KR20220006753A - 영상을 제공하는 방법 및 이를 지원하는 전자 장치 - Google Patents

영상을 제공하는 방법 및 이를 지원하는 전자 장치 Download PDF

Info

Publication number
KR20220006753A
KR20220006753A KR1020200084532A KR20200084532A KR20220006753A KR 20220006753 A KR20220006753 A KR 20220006753A KR 1020200084532 A KR1020200084532 A KR 1020200084532A KR 20200084532 A KR20200084532 A KR 20200084532A KR 20220006753 A KR20220006753 A KR 20220006753A
Authority
KR
South Korea
Prior art keywords
image
processor
time
electronic device
zoom area
Prior art date
Application number
KR1020200084532A
Other languages
English (en)
Inventor
김규원
Original Assignee
삼성전자주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 삼성전자주식회사 filed Critical 삼성전자주식회사
Priority to KR1020200084532A priority Critical patent/KR20220006753A/ko
Priority to PCT/KR2021/007513 priority patent/WO2022010122A1/ko
Priority to CN202180048915.8A priority patent/CN116235506A/zh
Priority to EP21838021.0A priority patent/EP4171011A4/en
Publication of KR20220006753A publication Critical patent/KR20220006753A/ko
Priority to US18/094,665 priority patent/US20230164442A1/en

Links

Images

Classifications

    • H04N5/232945—
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/78—Detection of presence or absence of voice signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/61—Control of cameras or camera modules based on recognised objects
    • H04N23/611—Control of cameras or camera modules based on recognised objects where the recognised objects include parts of the human body
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/631—Graphical user interfaces [GUI] specially adapted for controlling image capture or setting capture parameters
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/63—Control of cameras or camera modules by using electronic viewfinders
    • H04N23/633—Control of cameras or camera modules by using electronic viewfinders for displaying additional information relating to control or operation of the camera
    • H04N23/635—Region indicators; Field of view indicators
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/66—Remote control of cameras or camera parts, e.g. by remote control devices
    • H04N23/661—Transmitting camera control signals through networks, e.g. control via the Internet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/695—Control of camera direction for changing a field of view, e.g. pan, tilt or based on tracking of objects
    • H04N5/23206—
    • H04N5/232933—
    • H04N5/23296—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/06—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being correlation coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/57—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for processing of video signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Acoustics & Sound (AREA)
  • Studio Devices (AREA)

Abstract

본 발명의 다양한 실시예들에 따른 전자 장치는, 카메라 모듈, 상기 카메라 모듈과 기능적으로 연결된 프로세서, 및 상기 프로세서와 기능적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시, 상기 프로세서가, 제 1 영상을 획득하고, 상기 제 1 영상에서 제 1 객체를 식별하고, 상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하고, 상기 카메라 모듈을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하고, 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하도록 하는 인스트럭션들(instructions)을 저장할 수 있다.

Description

영상을 제공하는 방법 및 이를 지원하는 전자 장치{METHOD FOR PROVIDING IMAGE AND ELECTRONIC DEVICE FOR SUPPORTING THE SAME}
본 발명의 다양한 실시예들은, 영상을 제공하는 방법 및 이를 지원하는 전자 장치에 관한 것이다.
스마트 폰(smart phone)과 같은 전자 장치의 사용자는 카메라를 이용하여 영상을 촬영하고, 촬영된 영상을 다른 사용자와 공유하고 있다. 예를 들어, 전자 장치는, 카메라를 이용하여 피사체(예: 인물)의 움직임(예: 피사체가 춤을 추는 움직임)을 트래킹(tracking)함으로써 영상을 획득할 수 있다. 전자 장치의 사용자는, 원하는 영상을 촬영하기 위하여, 여러 차례 반복하여 영상을 촬영할 수 있다. 전자 장치는, 사용자가 원하는 영상이 촬영된 경우, 촬영된 영상을 영상 공유 서비스를 제공하는 서버로 업로드(upload)함으로써, 사용자가 촬영된 영상을 다른 사용자와 공유하도록 할 수 있다.
전자 장치는 촬영 대상인 피사체에 대응하는 객체를 중심으로 하는 영상을 획득할 수 있다. 전자 장치는, 영상 내에서 상기 객체 외의 배경이 최대한 배제되고 상기 객체가 적당한 크기로 표시되도록 하는 영상을 획득하기 위하여 줌 영역(zoom region)을 설정할 수 있다. 전자 장치는, 줌 영역을 확대(zoom-in)(또는 축소(zoom-out))함으로써, 상기 객체를 포함하는 영상을 획득할 수 있다.
본 발명의 다양한 실시예들은, 기촬영된(예: 기저장된) 영상에 포함된 객체의 움직임에 대한 정보에 기반하여 카메라를 통하여 획득될 영상에 적용될 줌 영역과 관련된 파라미터를 획득하고, 현재 촬영 중인 영상에서 획득된 줌 영역과 관련된 파라미터를 적용함으로써, 보다 자연스럽고 정확하게 객체와 관련된 영상을 획득하도록 하는, 영상을 제공하는 방법 및 이를 지원하는 전자 장치에 관한 것이다.
본 발명이 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 다양한 실시예들에 따른 전자 장치는, 카메라 모듈, 상기 카메라 모듈과 기능적으로 연결된 프로세서, 및 상기 프로세서와 기능적으로 연결된 메모리를 포함하고, 상기 메모리는, 실행 시, 상기 프로세서가, 제 1 영상을 획득하고, 상기 제 1 영상에서 제 1 객체를 식별하고, 상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하고, 상기 카메라 모듈을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하고, 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하도록 하는 인스트럭션들(instructions)을 저장할 수 있다.
본 발명의 다양한 실시예들에 따른 전자 장치에서 영상을 제공하는 방법은, 제 1 영상을 획득하는 동작, 상기 제 1 영상에서 제 1 객체를 식별하는 동작, 상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하는 동작, 상기 전자 장치의 카메라 모듈을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하는 동작, 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하는 동작을 포함할 수 있다.
본 발명의 다양한 실시예에 따른 영상을 제공하는 방법 및 이를 지원하기 위한 전자 장치는, 기촬영된 영상에 포함된 객체의 움직임에 대한 정보에 기반하여 카메라를 통하여 획득되는 영상에 적용될 줌 영역과 관련된 파라미터를 획득하고, 현재 촬영 중인 영상에서 획득된 줌 영역과 관련된 파라미터를 적용함으로써, 보다 자연스럽고 정확하게 객체와 관련된 영상을 획득하도록 할 수 있다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경 내의 전자 장치의 블록도이다.
도 2는, 다양한 실시예들에 따른, 카메라 모듈을 예시하는 블럭도이다.
도 3은, 다양한 실시예들에 따른 전자 장치를 나타낸 블록도이다.
도 4는, 다양한 실시예들에 따른, 영상을 제공하는 방법을 설명하는 전체적인 흐름도이다.
도 5는, 다양한 실시예들에 따른, 제 1 영상에서 제 1 객체를 식별하는 방법을 설명하기 위한 예시도이다.
도 6은, 다양한 실시예들에 따른, 제 2 영상에 적용될 줌 영역의 패딩 영역을 설명하기 위한 예시도이다.
도 7은, 다양한 실시예들에 따른, 제 2 영상에 대하여 줌 영역과 관련된 기본 파라미터를 적용하는 방법을 설명하기 위한 예시도이다.
도 8은, 다양한 실시예들에 따른, 제 2 영상에 대하여 줌 영역과 관련된 기본 파라미터를 적용하는 방법을 설명하기 위한 예시도이다.
도 9는, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 흐름도이다.
도 10은, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 예시도이다.
도 11은, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 흐름도이다.
도 12는, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 예시도이다.
도 13은, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 흐름도이다.
도 14는, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 예시도이다.
도 15는, 다양한 실시예들에 따른, 복수의 영상들 중에서 제 1 영상을 선택함으로써 제 1 영상을 획득하는 방법을 설명하는 흐름도이다.
도 16은, 다양한 실시예들에 따른, 프리뷰를 표시하는 동안, 피사체에 대응하는 객체에 대하여 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하는 흐름도이다.
도 1은, 다양한 실시예들에 따른, 네트워크 환경(100) 내의 전자 장치(101)의 블록도이다. 도 1을 참조하면, 네트워크 환경(100)에서 전자 장치(101)는 제 1 네트워크(198)(예: 근거리 무선 통신 네트워크)를 통하여 전자 장치(102)와 통신하거나, 또는 제 2 네트워크(199)(예: 원거리 무선 통신 네트워크)를 통하여 전자 장치(104) 또는 서버(108)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 서버(108)를 통하여 전자 장치(104)와 통신할 수 있다. 일 실시예에 따르면, 전자 장치(101)는 프로세서(120), 메모리(130), 입력 모듈(150), 음향 출력 모듈(155), 디스플레이 모듈(160), 오디오 모듈(170), 센서 모듈(176), 인터페이스(177), 연결 단자(178), 햅틱 모듈(179), 카메라 모듈(180), 전력 관리 모듈(188), 배터리(189), 통신 모듈(190), 가입자 식별 모듈(196), 또는 안테나 모듈(197)을 포함할 수 있다. 어떤 실시예에서는, 전자 장치(101)에는, 이 구성요소들 중 적어도 하나(예: 연결 단자(178))가 생략되거나, 하나 이상의 다른 구성요소가 추가될 수 있다. 어떤 실시예에서는, 이 구성요소들 중 일부들(예: 센서 모듈(176), 카메라 모듈(180), 또는 안테나 모듈(197))은 하나의 구성요소(예: 디스플레이 모듈(160))로 통합될 수 있다.
프로세서(120)는, 예를 들면, 소프트웨어(예: 프로그램(140))를 실행하여 프로세서(120)에 연결된 전자 장치(101)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)를 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(120)는 다른 구성요소(예: 센서 모듈(176) 또는 통신 모듈(190))로부터 수신된 명령 또는 데이터를 휘발성 메모리(132)에 저장하고, 휘발성 메모리(132)에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리(134)에 저장할 수 있다. 일 실시예에 따르면, 프로세서(120)는 메인 프로세서(121)(예: 중앙 처리 장치 또는 어플리케이션 프로세서) 또는 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(123)(예: 그래픽 처리 장치, 신경망 처리 장치(NPU: neural processing unit), 이미지 시그널 프로세서, 센서 허브 프로세서, 또는 커뮤니케이션 프로세서)를 포함할 수 있다. 예를 들어, 전자 장치(101)가 메인 프로세서(121) 및 보조 프로세서(123)를 포함하는 경우, 보조 프로세서(123)는 메인 프로세서(121)보다 저전력을 사용하거나, 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서(123)는 메인 프로세서(121)와 별개로, 또는 그 일부로서 구현될 수 있다.
보조 프로세서(123)는, 예를 들면, 메인 프로세서(121)가 인액티브(예: 슬립) 상태에 있는 동안 메인 프로세서(121)를 대신하여, 또는 메인 프로세서(121)가 액티브(예: 어플리케이션 실행) 상태에 있는 동안 메인 프로세서(121)와 함께, 전자 장치(101)의 구성요소들 중 적어도 하나의 구성요소(예: 디스플레이 모듈(160), 센서 모듈(176), 또는 통신 모듈(190))와 관련된 기능 또는 상태들의 적어도 일부를 제어할 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 이미지 시그널 프로세서 또는 커뮤니케이션 프로세서)는 기능적으로 관련 있는 다른 구성요소(예: 카메라 모듈(180) 또는 통신 모듈(190))의 일부로서 구현될 수 있다. 일 실시예에 따르면, 보조 프로세서(123)(예: 신경망 처리 장치)는 인공지능 모델의 처리에 특화된 하드웨어 구조를 포함할 수 있다. 인공지능 모델은 기계 학습을 통해 생성될 수 있다. 이러한 학습은, 예를 들어, 인공지능이 수행되는 전자 장치(101) 자체에서 수행될 수 있고, 별도의 서버(예: 서버(108))를 통해 수행될 수도 있다. 학습 알고리즘은, 예를 들어, 지도형 학습(supervised learning), 비지도형 학습(unsupervised learning), 준지도형 학습(semi-supervised learning) 또는 강화 학습(reinforcement learning)을 포함할 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은, 복수의 인공 신경망 레이어들을 포함할 수 있다. 인공 신경망은 심층 신경망(DNN: deep neural network), CNN(convolutional neural network), RNN(recurrent neural network), RBM(restricted boltzmann machine), DBN(deep belief network), BRDNN(bidirectional recurrent deep neural network), 심층 Q-네트워크(deep Q-networks) 또는 상기 중 둘 이상의 조합 중 하나일 수 있으나, 전술한 예에 한정되지 않는다. 인공지능 모델은 하드웨어 구조 이외에, 추가적으로 또는 대체적으로, 소프트웨어 구조를 포함할 수 있다.
메모리(130)는, 전자 장치(101)의 적어도 하나의 구성요소(예: 프로세서(120) 또는 센서 모듈(176))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어(예: 프로그램(140)) 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(130)는, 휘발성 메모리(132) 또는 비휘발성 메모리(134)를 포함할 수 있다.
프로그램(140)은 메모리(130)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제(142), 미들 웨어(144) 또는 어플리케이션(146)을 포함할 수 있다.
입력 모듈(150)은, 전자 장치(101)의 구성요소(예: 프로세서(120))에 사용될 명령 또는 데이터를 전자 장치(101)의 외부(예: 사용자)로부터 수신할 수 있다. 입력 모듈(150)은, 예를 들면, 마이크, 마우스, 키보드, 키(예: 버튼), 또는 디지털 펜(예: 스타일러스 펜)을 포함할 수 있다.
음향 출력 모듈(155)은 음향 신호를 전자 장치(101)의 외부로 출력할 수 있다. 음향 출력 모듈(155)은, 예를 들면, 스피커 또는 리시버를 포함할 수 있다. 스피커는 멀티미디어 재생 또는 녹음 재생과 같이 일반적인 용도로 사용될 수 있다. 리시버는 착신 전화를 수신하기 위해 사용될 수 있다. 일 실시예에 따르면, 리시버는 스피커와 별개로, 또는 그 일부로서 구현될 수 있다.
디스플레이 모듈(160)은 전자 장치(101)의 외부(예: 사용자)로 정보를 시각적으로 제공할 수 있다. 디스플레이 모듈(160)은, 예를 들면, 디스플레이, 홀로그램 장치, 또는 프로젝터 및 해당 장치를 제어하기 위한 제어 회로를 포함할 수 있다. 일 실시예에 따르면, 디스플레이 모듈(160)은 터치를 감지하도록 설정된 터치 센서, 또는 상기 터치에 의해 발생되는 힘의 세기를 측정하도록 설정된 압력 센서를 포함할 수 있다.
오디오 모듈(170)은 소리를 전기 신호로 변환시키거나, 반대로 전기 신호를 소리로 변환시킬 수 있다. 일 실시예에 따르면, 오디오 모듈(170)은, 입력 모듈(150)을 통해 소리를 획득하거나, 음향 출력 모듈(155), 또는 전자 장치(101)와 직접 또는 무선으로 연결된 외부 전자 장치(예: 전자 장치(102))(예: 스피커 또는 헤드폰)를 통해 소리를 출력할 수 있다.
센서 모듈(176)은 전자 장치(101)의 작동 상태(예: 전력 또는 온도), 또는 외부의 환경 상태(예: 사용자 상태)를 감지하고, 감지된 상태에 대응하는 전기 신호 또는 데이터 값을 생성할 수 있다. 일 실시예에 따르면, 센서 모듈(176)은, 예를 들면, 제스처 센서, 자이로 센서, 기압 센서, 마그네틱 센서, 가속도 센서, 그립 센서, 근접 센서, 컬러 센서, IR(infrared) 센서, 생체 센서, 온도 센서, 습도 센서, 또는 조도 센서를 포함할 수 있다.
인터페이스(177)는 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 직접 또는 무선으로 연결되기 위해 사용될 수 있는 하나 이상의 지정된 프로토콜들을 지원할 수 있다. 일 실시예에 따르면, 인터페이스(177)는, 예를 들면, HDMI(high definition multimedia interface), USB(universal serial bus) 인터페이스, SD카드 인터페이스, 또는 오디오 인터페이스를 포함할 수 있다.
연결 단자(178)는, 그를 통해서 전자 장치(101)가 외부 전자 장치(예: 전자 장치(102))와 물리적으로 연결될 수 있는 커넥터를 포함할 수 있다. 일 실시예에 따르면, 연결 단자(178)는, 예를 들면, HDMI 커넥터, USB 커넥터, SD 카드 커넥터, 또는 오디오 커넥터(예: 헤드폰 커넥터)를 포함할 수 있다.
햅틱 모듈(179)은 전기적 신호를 사용자가 촉각 또는 운동 감각을 통해서 인지할 수 있는 기계적인 자극(예: 진동 또는 움직임) 또는 전기적인 자극으로 변환할 수 있다. 일 실시예에 따르면, 햅틱 모듈(179)은, 예를 들면, 모터, 압전 소자, 또는 전기 자극 장치를 포함할 수 있다.
카메라 모듈(180)은 정지 영상 및 동영상을 촬영할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 하나 이상의 렌즈들, 이미지 센서들, 이미지 시그널 프로세서들, 또는 플래시들을 포함할 수 있다.
전력 관리 모듈(188)은 전자 장치(101)에 공급되는 전력을 관리할 수 있다. 일 실시예에 따르면, 전력 관리 모듈(188)은, 예를 들면, PMIC(power management integrated circuit)의 적어도 일부로서 구현될 수 있다.
배터리(189)는 전자 장치(101)의 적어도 하나의 구성요소에 전력을 공급할 수 있다. 일 실시예에 따르면, 배터리(189)는, 예를 들면, 재충전 불가능한 1차 전지, 재충전 가능한 2차 전지 또는 연료 전지를 포함할 수 있다.
통신 모듈(190)은 전자 장치(101)와 외부 전자 장치(예: 전자 장치(102), 전자 장치(104), 또는 서버(108)) 간의 직접(예: 유선) 통신 채널 또는 무선 통신 채널의 수립, 및 수립된 통신 채널을 통한 통신 수행을 지원할 수 있다. 통신 모듈(190)은 프로세서(120)(예: 어플리케이션 프로세서)와 독립적으로 운영되고, 직접(예: 유선) 통신 또는 무선 통신을 지원하는 하나 이상의 커뮤니케이션 프로세서를 포함할 수 있다. 일 실시예에 따르면, 통신 모듈(190)은 무선 통신 모듈(192)(예: 셀룰러 통신 모듈, 근거리 무선 통신 모듈, 또는 GNSS(global navigation satellite system) 통신 모듈) 또는 유선 통신 모듈(194)(예: LAN(local area network) 통신 모듈, 또는 전력선 통신 모듈)을 포함할 수 있다. 이들 통신 모듈 중 해당하는 통신 모듈은 제 1 네트워크(198)(예: 블루투스, WiFi(wireless fidelity) direct 또는 IrDA(infrared data association)와 같은 근거리 통신 네트워크) 또는 제 2 네트워크(199)(예: 레거시 셀룰러 네트워크, 5G 네트워크, 차세대 통신 네트워크, 인터넷, 또는 컴퓨터 네트워크(예: LAN 또는 WAN)와 같은 원거리 통신 네트워크)를 통하여 외부의 전자 장치(104)와 통신할 수 있다. 이런 여러 종류의 통신 모듈들은 하나의 구성요소(예: 단일 칩)로 통합되거나, 또는 서로 별도의 복수의 구성요소들(예: 복수 칩들)로 구현될 수 있다. 무선 통신 모듈(192)은 가입자 식별 모듈(196)에 저장된 가입자 정보(예: 국제 모바일 가입자 식별자(IMSI))를 이용하여 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크 내에서 전자 장치(101)를 확인 또는 인증할 수 있다.
무선 통신 모듈(192)은 4G 네트워크 이후의 5G 네트워크 및 차세대 통신 기술, 예를 들어, NR 접속 기술(new radio access technology)을 지원할 수 있다. NR 접속 기술은 고용량 데이터의 고속 전송(eMBB(enhanced mobile broadband)), 단말 전력 최소화와 다수 단말의 접속(mMTC(massive machine type communications)), 또는 고신뢰도와 저지연(URLLC(ultra-reliable and low-latency communications))을 지원할 수 있다. 무선 통신 모듈(192)은, 예를 들어, 높은 데이터 전송률 달성을 위해, 고주파 대역(예: mmWave 대역)을 지원할 수 있다. 무선 통신 모듈(192)은 고주파 대역에서의 성능 확보를 위한 다양한 기술들, 예를 들어, 빔포밍(beamforming), 거대 배열 다중 입출력(massive MIMO(multiple-input and multiple-output)), 전차원 다중입출력(FD-MIMO: full dimensional MIMO), 어레이 안테나(array antenna), 아날로그 빔형성(analog beam-forming), 또는 대규모 안테나(large scale antenna)와 같은 기술들을 지원할 수 있다. 무선 통신 모듈(192)은 전자 장치(101), 외부 전자 장치(예: 전자 장치(104)) 또는 네트워크 시스템(예: 제 2 네트워크(199))에 규정되는 다양한 요구사항을 지원할 수 있다. 일 실시예에 따르면, 무선 통신 모듈(192)은 eMBB 실현을 위한 Peak data rate(예: 20Gbps 이상), mMTC 실현을 위한 손실 Coverage(예: 164dB 이하), 또는 URLLC 실현을 위한 U-plane latency(예: 다운링크(DL) 및 업링크(UL) 각각 0.5ms 이하, 또는 라운드 트립 1ms 이하)를 지원할 수 있다.
안테나 모듈(197)은 신호 또는 전력을 외부(예: 외부의 전자 장치)로 송신하거나 외부로부터 수신할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 서브스트레이트(예: PCB) 위에 형성된 도전체 또는 도전성 패턴으로 이루어진 방사체를 포함하는 안테나를 포함할 수 있다. 일 실시예에 따르면, 안테나 모듈(197)은 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다. 이런 경우, 제 1 네트워크(198) 또는 제 2 네트워크(199)와 같은 통신 네트워크에서 사용되는 통신 방식에 적합한 적어도 하나의 안테나가, 예를 들면, 통신 모듈(190)에 의하여 상기 복수의 안테나들로부터 선택될 수 있다. 신호 또는 전력은 상기 선택된 적어도 하나의 안테나를 통하여 통신 모듈(190)과 외부의 전자 장치 간에 송신되거나 수신될 수 있다. 어떤 실시예에 따르면, 방사체 이외에 다른 부품(예: RFIC(radio frequency integrated circuit))이 추가로 안테나 모듈(197)의 일부로 형성될 수 있다.
다양한 실시예에 따르면, 안테나 모듈(197)은 mmWave 안테나 모듈을 형성할 수 있다. 일 실시예에 따르면, mmWave 안테나 모듈은 인쇄 회로 기판, 상기 인쇄 회로 기판의 제 1 면(예: 아래 면)에 또는 그에 인접하여 배치되고 지정된 고주파 대역(예: mmWave 대역)을 지원할 수 있는 RFIC, 및 상기 인쇄 회로 기판의 제 2 면(예: 윗 면 또는 측 면)에 또는 그에 인접하여 배치되고 상기 지정된 고주파 대역의 신호를 송신 또는 수신할 수 있는 복수의 안테나들(예: 어레이 안테나)을 포함할 수 있다.
상기 구성요소들 중 적어도 일부는 주변 기기들간 통신 방식(예: 버스, GPIO(general purpose input and output), SPI(serial peripheral interface), 또는 MIPI(mobile industry processor interface))을 통해 서로 연결되고 신호(예: 명령 또는 데이터)를 상호간에 교환할 수 있다.
일 실시예에 따르면, 명령 또는 데이터는 제 2 네트워크(199)에 연결된 서버(108)를 통해서 전자 장치(101)와 외부의 전자 장치(104)간에 송신 또는 수신될 수 있다. 외부의 전자 장치(102, 또는 104) 각각은 전자 장치(101)와 동일한 또는 다른 종류의 장치일 수 있다. 일 실시예에 따르면, 전자 장치(101)에서 실행되는 동작들의 전부 또는 일부는 외부의 전자 장치들(102, 104, 또는 108) 중 하나 이상의 외부의 전자 장치들에서 실행될 수 있다. 예를 들면, 전자 장치(101)가 어떤 기능이나 서비스를 자동으로, 또는 사용자 또는 다른 장치로부터의 요청에 반응하여 수행해야 할 경우에, 전자 장치(101)는 기능 또는 서비스를 자체적으로 실행시키는 대신에 또는 추가적으로, 하나 이상의 외부의 전자 장치들에게 그 기능 또는 그 서비스의 적어도 일부를 수행하라고 요청할 수 있다. 상기 요청을 수신한 하나 이상의 외부의 전자 장치들은 요청된 기능 또는 서비스의 적어도 일부, 또는 상기 요청과 관련된 추가 기능 또는 서비스를 실행하고, 그 실행의 결과를 전자 장치(101)로 전달할 수 있다. 전자 장치(101)는 상기 결과를, 그대로 또는 추가적으로 처리하여, 상기 요청에 대한 응답의 적어도 일부로서 제공할 수 있다. 이를 위하여, 예를 들면, 클라우드 컴퓨팅, 분산 컴퓨팅, 모바일 에지 컴퓨팅(MEC: mobile edge computing), 또는 클라이언트-서버 컴퓨팅 기술이 이용될 수 있다. 전자 장치(101)는, 예를 들어, 분산 컴퓨팅 또는 모바일 에지 컴퓨팅을 이용하여 초저지연 서비스를 제공할 수 있다. 다른 실시예에 있어서, 외부의 전자 장치(104)는 IoT(internet of things) 기기를 포함할 수 있다. 서버(108)는 기계 학습 및/또는 신경망을 이용한 지능형 서버일 수 있다. 일 실시예에 따르면, 외부의 전자 장치(104) 또는 서버(108)는 제 2 네트워크(199) 내에 포함될 수 있다. 전자 장치(101)는 5G 통신 기술 및 IoT 관련 기술을 기반으로 지능형 서비스(예: 스마트 홈, 스마트 시티, 스마트 카, 또는 헬스 케어)에 적용될 수 있다.
본 문서에 개시된 다양한 실시예들에 따른 전자 장치는 다양한 형태의 장치가 될 수 있다. 전자 장치는, 예를 들면, 휴대용 통신 장치(예: 스마트폰), 컴퓨터 장치, 휴대용 멀티미디어 장치, 휴대용 의료 기기, 카메라, 웨어러블 장치, 또는 가전 장치를 포함할 수 있다. 본 문서의 실시예에 따른 전자 장치는 전술한 기기들에 한정되지 않는다.
본 문서의 다양한 실시예들 및 이에 사용된 용어들은 본 문서에 기재된 기술적 특징들을 특정한 실시예들로 한정하려는 것이 아니며, 해당 실시예의 다양한 변경, 균등물, 또는 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 또는 관련된 구성요소에 대해서는 유사한 참조 부호가 사용될 수 있다. 아이템에 대응하는 명사의 단수 형은 관련된 문맥상 명백하게 다르게 지시하지 않는 한, 상기 아이템 한 개 또는 복수 개를 포함할 수 있다. 본 문서에서, "A 또는 B", "A 및 B 중 적어도 하나", "A 또는 B 중 적어도 하나", "A, B 또는 C", "A, B 및 C 중 적어도 하나", 및 "A, B, 또는 C 중 적어도 하나"와 같은 문구들 각각은 그 문구들 중 해당하는 문구에 함께 나열된 항목들 중 어느 하나, 또는 그들의 모든 가능한 조합을 포함할 수 있다. "제 1", "제 2", 또는 "첫째" 또는 "둘째"와 같은 용어들은 단순히 해당 구성요소를 다른 해당 구성요소와 구분하기 위해 사용될 수 있으며, 해당 구성요소들을 다른 측면(예: 중요성 또는 순서)에서 한정하지 않는다. 어떤(예: 제 1) 구성요소가 다른(예: 제 2) 구성요소에, "기능적으로" 또는 "통신적으로"라는 용어와 함께 또는 이런 용어 없이, "커플드" 또는 "커넥티드"라고 언급된 경우, 그것은 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로(예: 유선으로), 무선으로, 또는 제 3 구성요소를 통하여 연결될 수 있다는 것을 의미한다.
본 문서의 다양한 실시예들에서 사용된 용어 "모듈"은 하드웨어, 소프트웨어 또는 펌웨어로 구현된 유닛을 포함할 수 있으며, 예를 들면, 로직, 논리 블록, 부품, 또는 회로와 같은 용어와 상호 호환적으로 사용될 수 있다. 모듈은, 일체로 구성된 부품 또는 하나 또는 그 이상의 기능을 수행하는, 상기 부품의 최소 단위 또는 그 일부가 될 수 있다. 예를 들면, 일 실시예에 따르면, 모듈은 ASIC(application-specific integrated circuit)의 형태로 구현될 수 있다.
본 문서의 다양한 실시예들은 기기(machine)(예: 전자 장치(101)) 의해 읽을 수 있는 저장 매체(storage medium)(예: 내장 메모리(136) 또는 외장 메모리(138))에 저장된 하나 이상의 명령어들을 포함하는 소프트웨어(예: 프로그램(140))로서 구현될 수 있다. 예를 들면, 기기(예: 전자 장치(101))의 프로세서(예: 프로세서(120))는, 저장 매체로부터 저장된 하나 이상의 명령어들 중 적어도 하나의 명령을 호출하고, 그것을 실행할 수 있다. 이것은 기기가 상기 호출된 적어도 하나의 명령어에 따라 적어도 하나의 기능을 수행하도록 운영되는 것을 가능하게 한다. 상기 하나 이상의 명령어들은 컴파일러에 의해 생성된 코드 또는 인터프리터에 의해 실행될 수 있는 코드를 포함할 수 있다. 기기로 읽을 수 있는 저장 매체는, 비일시적(non-transitory) 저장 매체의 형태로 제공될 수 있다. 여기서, ‘비일시적’은 저장 매체가 실재(tangible)하는 장치이고, 신호(signal)(예: 전자기파)를 포함하지 않는다는 것을 의미할 뿐이며, 이 용어는 데이터가 저장 매체에 반영구적으로 저장되는 경우와 임시적으로 저장되는 경우를 구분하지 않는다.
일 실시예에 따르면, 본 문서에 개시된 다양한 실시예들에 따른 방법은 컴퓨터 프로그램 제품(computer program product)에 포함되어 제공될 수 있다. 컴퓨터 프로그램 제품은 상품으로서 판매자 및 구매자 간에 거래될 수 있다. 컴퓨터 프로그램 제품은 기기로 읽을 수 있는 저장 매체(예: compact disc read only memory(CD-ROM))의 형태로 배포되거나, 또는 어플리케이션 스토어(예: 플레이 스토어TM)를 통해 또는 두 개의 사용자 장치들(예: 스마트 폰들) 간에 직접, 온라인으로 배포(예: 다운로드 또는 업로드)될 수 있다. 온라인 배포의 경우에, 컴퓨터 프로그램 제품의 적어도 일부는 제조사의 서버, 어플리케이션 스토어의 서버, 또는 중계 서버의 메모리와 같은 기기로 읽을 수 있는 저장 매체에 적어도 일시 저장되거나, 임시적으로 생성될 수 있다.
다양한 실시예들에 따르면, 상기 기술한 구성요소들의 각각의 구성요소(예: 모듈 또는 프로그램)는 단수 또는 복수의 개체를 포함할 수 있으며, 복수의 개체 중 일부는 다른 구성요소에 분리 배치될 수도 있다. 다양한 실시예들에 따르면, 전술한 해당 구성요소들 중 하나 이상의 구성요소들 또는 동작들이 생략되거나, 또는 하나 이상의 다른 구성요소들 또는 동작들이 추가될 수 있다. 대체적으로 또는 추가적으로, 복수의 구성요소들(예: 모듈 또는 프로그램)은 하나의 구성요소로 통합될 수 있다. 이런 경우, 통합된 구성요소는 상기 복수의 구성요소들 각각의 구성요소의 하나 이상의 기능들을 상기 통합 이전에 상기 복수의 구성요소들 중 해당 구성요소에 의해 수행되는 것과 동일 또는 유사하게 수행할 수 있다. 다양한 실시예들에 따르면, 모듈, 프로그램 또는 다른 구성요소에 의해 수행되는 동작들은 순차적으로, 병렬적으로, 반복적으로, 또는 휴리스틱하게 실행되거나, 상기 동작들 중 하나 이상이 다른 순서로 실행되거나, 생략되거나, 또는 하나 이상의 다른 동작들이 추가될 수 있다.
도 2는, 다양한 실시예들에 따른, 카메라 모듈(180)을 예시하는 블럭도(200)이다. 도 2를 참조하면, 카메라 모듈(180)은 렌즈 어셈블리(210), 플래쉬(220), 이미지 센서(230), 이미지 스태빌라이저(240), 메모리(250)(예: 버퍼 메모리), 또는 이미지 시그널 프로세서(260)를 포함할 수 있다. 렌즈 어셈블리(210)는 이미지 촬영의 대상인 피사체로부터 방출되는 빛을 수집할 수 있다. 렌즈 어셈블리(210)는 하나 또는 그 이상의 렌즈들을 포함할 수 있다. 일 실시예에 따르면, 카메라 모듈(180)은 복수의 렌즈 어셈블리(210)들을 포함할 수 있다. 이런 경우, 카메라 모듈(180)은, 예를 들면, 듀얼 카메라, 360도 카메라, 또는 구형 카메라(spherical camera)를 형성할 수 있다. 복수의 렌즈 어셈블리(210)들 중 일부는 동일한 렌즈 속성(예: 화각, 초점 거리, 자동 초점, f 넘버(f number), 또는 광학 줌)을 갖거나, 또는 적어도 하나의 렌즈 어셈블리는 다른 렌즈 어셈블리의 렌즈 속성들과 다른 하나 이상의 렌즈 속성들을 가질 수 있다. 렌즈 어셈블리(210)는, 예를 들면, 광각 렌즈 또는 망원 렌즈를 포함할 수 있다.
플래쉬(220)는 피사체로부터 방출 또는 반사되는 빛을 강화하기 위하여 사용되는 빛을 방출할 수 있다. 일 실시예에 따르면, 플래쉬(220)는 하나 이상의 발광 다이오드들(예: RGB(red-green-blue) LED, white LED, infrared LED, 또는 ultraviolet LED), 또는 xenon lamp를 포함할 수 있다. 이미지 센서(230)는 피사체로부터 방출 또는 반사되어 렌즈 어셈블리(210) 를 통해 전달된 빛을 전기적인 신호로 변환함으로써, 상기 피사체에 대응하는 이미지를 획득할 수 있다. 일 실시예에 따르면, 이미지 센서(230)는, 예를 들면, RGB 센서, BW(black and white) 센서, IR 센서, 또는 UV 센서와 같이 속성이 다른 이미지 센서들 중 선택된 하나의 이미지 센서, 동일한 속성을 갖는 복수의 이미지 센서들, 또는 다른 속성을 갖는 복수의 이미지 센서들을 포함할 수 있다. 이미지 센서(230)에 포함된 각각의 이미지 센서는, 예를 들면, CCD(charged coupled device) 센서 또는 CMOS(complementary metal oxide semiconductor) 센서를 이용하여 구현될 수 있다.
이미지 스태빌라이저(240)는 카메라 모듈(180) 또는 이를 포함하는 전자 장치(101)의 움직임에 반응하여, 렌즈 어셈블리(210)에 포함된 적어도 하나의 렌즈 또는 이미지 센서(230)를 특정한 방향으로 움직이거나 이미지 센서(230)의 동작 특성을 제어(예: 리드 아웃(read-out) 타이밍을 조정 등)할 수 있다. 이는 촬영되는 이미지에 대한 상기 움직임에 의한 부정적인 영향의 적어도 일부를 보상하게 해 준다. 일 실시예에 따르면, 이미지 스태빌라이저(240)는, 일 실시예에 따르면, 이미지 스태빌라이저(240)은 카메라 모듈(180)의 내부 또는 외부에 배치된 자이로 센서(미도시) 또는 가속도 센서(미도시)를 이용하여 카메라 모듈(180) 또는 전자 장치(101)의 그런 움직임을 감지할 수 있다. 일 실시예에 따르면, 이미지 스태빌라이저(240)는, 예를 들면, 광학식 이미지 스태빌라이저로 구현될 수 있다. 메모리(250)는 이미지 센서(230)을 통하여 획득된 이미지의 적어도 일부를 다음 이미지 처리 작업을 위하여 적어도 일시 저장할 수 있다. 예를 들어, 셔터에 따른 이미지 획득이 지연되거나, 또는 복수의 이미지들이 고속으로 획득되는 경우, 획득된 원본 이미지(예: Bayer-patterned 이미지 또는 높은 해상도의 이미지)는 메모리(250)에 저장이 되고, 그에 대응하는 사본 이미지(예: 낮은 해상도의 이미지)는 디스플레이 모듈(160)을 통하여 프리뷰될 수 있다. 이후, 지정된 조건이 만족되면(예: 사용자 입력 또는 시스템 명령) 메모리(250)에 저장되었던 원본 이미지의 적어도 일부가, 예를 들면, 이미지 시그널 프로세서(260)에 의해 획득되어 처리될 수 있다. 일 실시예에 따르면, 메모리(250)는 메모리(130)의 적어도 일부로, 또는 이와는 독립적으로 운영되는 별도의 메모리로 구성될 수 있다.
이미지 시그널 프로세서(260)는 이미지 센서(230)을 통하여 획득된 이미지 또는 메모리(250)에 저장된 이미지에 대하여 하나 이상의 이미지 처리들을 수행할 수 있다. 상기 하나 이상의 이미지 처리들은, 예를 들면, 깊이 지도(depth map) 생성, 3차원 모델링, 파노라마 생성, 특징점 추출, 이미지 합성, 또는 이미지 보상(예: 노이즈 감소, 해상도 조정, 밝기 조정, 블러링(blurring), 샤프닝(sharpening), 또는 소프트닝(softening)을 포함할 수 있다. 추가적으로 또는 대체적으로, 이미지 시그널 프로세서(260)는 카메라 모듈(180)에 포함된 구성 요소들 중 적어도 하나(예: 이미지 센서(230))에 대한 제어(예: 노출 시간 제어, 또는 리드 아웃 타이밍 제어)를 수행할 수 있다. 이미지 시그널 프로세서(260)에 의해 처리된 이미지는 추가 처리를 위하여 메모리(250)에 다시 저장 되거나 카메라 모듈(180)의 외부 구성 요소(예: 메모리(130), 디스플레이 모듈(160), 전자 장치(102), 전자 장치(104), 또는 서버(108))로 제공될 수 있다. 일 실시예에 따르면, 이미지 시그널 프로세서(260)는 프로세서(120)의 적어도 일부로 구성되거나, 프로세서(120)와 독립적으로 운영되는 별도의 프로세서로 구성될 수 있다. 이미지 시그널 프로세서(260)이 프로세서(120)과 별도의 프로세서로 구성된 경우, 이미지 시그널 프로세서(260)에 의해 처리된 적어도 하나의 이미지는 프로세서(120)에 의하여 그대로 또는 추가의 이미지 처리를 거친 후 디스플레이 모듈(160)를 통해 표시될 수 있다.
일 실시예에 따르면, 전자 장치(101)는 각각 다른 속성 또는 기능을 가진 복수의 카메라 모듈(180)들을 포함할 수 있다. 이런 경우, 예를 들면, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 광각 카메라이고, 적어도 다른 하나는 망원 카메라일 수 있다. 유사하게, 상기 복수의 카메라 모듈(180)들 중 적어도 하나는 전면 카메라이고, 적어도 다른 하나는 후면 카메라일 수 있다.
도 3은, 다양한 실시예들에 따른 전자 장치(101)를 나타낸 블록도(300)이다.
전자 장치(101)는, 프로세서(120), 메모리(130), 디스플레이 모듈(160), 통신 회로(195), 및/또는 카메라 모듈(180)을 포함할 수 있다.
일 실시예에서, 프로세서(120)는 메모리(130), 디스플레이 모듈(160), 통신 회로(195), 및/또는 카메라 모듈(180)의 동작을 제어할 수 있다. 프로세서(120)는 메모리(130)에 저장된 인스트럭션(310)을 실행할 수 있다. 프로세서(120)는 통신 회로(195)가 RF 신호를 송수신하도록 통신 회로(195)를 제어할 수 있다.
일 실시예에서, 메모리(130)는 인스트럭션(310)을 저장할 수 있다. 인스트럭션(310)은 디스플레이 모듈(160), 및 카메라 모듈(180)의 동작을 설정할 수 있다. 인스트럭션(310)은 객체 감지 인스트럭션(311), 객체 추적 인스트럭션(312), 줌 제어 인스트럭션(313), 및 영상 재구성 인스트럭션(314)을 포함할 수 있다. 인스트럭션(310)는 프로세서(120)에서 실행되는 것으로 주로 설명하나, 인스트럭션(310)의 적어도 일부는 카메라 모듈(180)에 포함된 프로세서(예: 도 2의 이미지 시그널 프로세서(260))에 의해 실행될 수도 있다.
일 실시예에서, 디스플레이 모듈(160)은 영상을 표시할 수 있다. 디스플레이 모듈(160)은 사용자 인터페이스(161)를 포함할 수 있다. 사용자 인터페이스(161)는 사용자의 터치 입력을 수신하는 터치 인터페이스(예: 터치 센서)를 포함할 수 있다. 디스플레이 모듈(160)은 사용자에게 시각적으로 정보를 제공하거나 사용자 입력을 수신할 수 있는 그래픽 유저 인터페이스를 표시할 수 있다.
일 실시예에서, 통신 회로(195)는 도 1의 통신 모듈(190)에 포함된 무선 통신 회로(192)와 실질적으로 동일한 구성 요소일 수 있다.
일 실시예에서, 카메라 모듈(180)(예: 도 2의 렌즈 어셈블리(210))은 외부 환경을 촬영할 수 있다. 카메라 모듈(180)은 적어도 하나 이상의 인물을 촬영할 수 있다. 카메라 모듈(180)은 외부 환경의 시각적인 이미지를 획득할 수 있다. 카메라 모듈(180)은 외부 환경으로부터 입사하는 광을 획득할 수 있다.
일 실시예에서, 카메라 모듈(180)(예: 도 2의 이미지 센서(230))은 획득한 광에 기반하여 외부 환경을 영상 데이터로 변환할 수 있다. 프로세서(120)는 카메라 모듈(180)이 변환한 영상 데이터를 수신하여 디스플레이 모듈(160)에 표시할 수 있다.
일 실시예에서, 프로세서(120)는 객체 감지 인스트럭션(311)에 기반하여 영상 데이터에서 객체를 감지할 수 있다. 프로세서(120)는 객체 감지 인스트럭션(311)에 기반하여 영상 데이터에서 특정 객체(예: 인물)을 감지할 수 있다. 프로세서(120)는 객체 감지 인스트럭션(311)에 기반하여 영상 데이터에서 복수의 객체들을 동시에 감지할 수 있다.
일 실시예에서, 프로세서(120)는 객체 추적 인스트럭션(312)에 기반하여 영상 데이터에서 객체를 추적할 수 있다. 프로세서(120)는 객체 추적 인스트럭션(312)에 기반하여 영상 데이터에서 이동하는 객체를 추적할 수 있다. 프로세서(120)는 객체 추적 인스트럭션(312)에 기반하여 영상 데이터에서 객체를 추적할 수 있다. 프로세서(120)는 객체 추적 인스트럭션(312)에 기반하여 영상 데이터에서 사용자가 관심이 높은 객체를 선택하여 추적할 수 있다. 프로세서(120)는 추적하고자 하는 객체를 포커스(focus) 된 피사체(subject)로 설정할 수 있다. 프로세서(120)는 객체를 추적하기 위한 카메라 모듈(180) 제어 신호를 카메라 모듈(180)로 전송할 수 있다. 예를 들어, 카메라 모듈(180)은 제어 신호에 기반하여 렌즈 어셈블리(210)가 향하는 방향을 변경할 수 있다.
일 실시예에서, 프로세서(120)는, 전자 장치(101)의 적어도 일부를 이동시킴으로써, 영상 데이터로부터 객체를 추적할 수 있다. 예를 들어, 전자 장치(101)(예: 로봇 형태로 구현된 전자 장치)는, 전자 장치(101)의 위치를 이동시키거나 전자 장치(101)(예: 카메라 모듈(180))가 향하는 방향을 이동시킬 수 있는 구동부(예: 모터(motor))를 더 포함할 수 있다. 프로세서(120)는, 객체가 이동되거나 포커스 된 객체가 변경되는 경우, 이동된 객체 또는 포커스 된 객체를 추적하도록 구동부를 제어할 수 있다. 다른 예를 들어, 전자 장치(101)는 전자 장치(101)를 이동시킬 수 있는 외부 전자 장치(예: 짐벌(gimbal))에 거치될 수 있다. 프로세서(120)는, 객체가 이동되거나 포커스 된 객체가 변경되는 경우, 이동된 객체 또는 포커스 된 객체를 추적하기 위하여, 외부 전자 장치로 전자 장치를 이동시키도록 하는 제어 신호를 전송할 수 있다.
일 실시예에서, 프로세서(120)는 줌 제어 인스트럭션(313)에 기반하여 촬영되는 외부 환경의 시각적인 이미지를 줌-인(Zoom-in)할 수 있다. 프로세서(120)는 줌 제어 인스트럭션(313)에 기반하여 촬영되는 외부 환경의 시각적인 이미지 중 적어도 일부 영역을 확대할 수 있다. 프로세서(120)는 줌 제어 인스트럭션(313)에 기반하여 촬영되는 외부 환경의 시각적인 이미지 중 확대하고자 하는 영역을 줌 영역(Zoom Region)으로 설정할 수 있다 프로세서(120)는 줌 제어 인스트럭션(313)에 기반하여 적어도 하나 이상의 줌 영역을 설정할 수 있다. 프로세서(120)는 줌 제어 인스트럭션(313)에 기반하여 줌 영역의 확대 배율을 제어할 수 있다. 프로세서(120)는 줌-인 또는 줌-아웃에 관련된 제어 신호를 카메라 모듈(180)로 전송할 수 있다. 카메라 모듈(180)은 수신한 제어 신호에 기반하여 렌즈 어셈블리(210)의 설정을 변경하여 줌-인 또는 줌-아웃을 수행할 수 있다. 이에 제한하지 않고, 카메라 모듈(180)은 이미지 시그널 프로세서(260)를 이용하여 줌-인 또는 줌-아웃을 수행할 수도 있음을 당업자는 용이하게 이해할 것이다.
일 실시예에서, 프로세서(120)는 줌 제어 인스트럭션(313)에 기반하여 확대하여 표시하고자 하는 객체가 포함되도록 줌 영역을 설정할 수 있다. 프로세서(120)는 줌 제어 인스트럭션(313)에 기반하여 영상 데이터에서 사용자가 관심이 높은 객체를 렌즈 어셈블리(210)가 확대하도록 렌즈 어셈블리(210)를 제어할 수 있다. 렌즈 어셈블리(210)는 줌 제어 인스트럭션(313)에 기반하여 영상 데이터에서 객체를 확대 촬영할 수 있다. 프로세서(120)는 확대하고자 하는 객체를 포커스 된 피사체로 설정할 수 있다. 렌즈 어셈블리(210)는 프로세서(120)의 제어에 따라 포커스 된 피사체를 확대 촬영할 수 있다.
일 실시예에서, 전자 장치(101)(예: 로봇 형태로 구현된 전자 장치)가 전자 장치(101)의 위치를 이동시키거나 전자 장치(101)(예: 카메라 모듈(180))가 향하는 방향을 이동시킬 수 있는 구동부(예: 모터(motor))를 포함하는 경우, 프로세서(120)는, 객체의 크기가 영상 내에서 지정된 크기를 유지하도록(또는 객체가 영상 내에 포함되도록), 구동부를 제어할 수 있다. 예를 들어, 프로세서(120)는, 피사체가 전자 장치(101)로 접근함에 따라, 피사체에 대응하는 객체가 카메라 모듈(180)의 화각 범위에 포함되지 않는 경우, 구동부를 통하여 전자 장치(101)가 피사체로부터 멀어지도록 전자 장치(101)의 위치를 이동시킴으로써, 객체의 크기가 영상 내에서 지정된 크기를 유지하도록 할 수 있다.
일 실시예에서, 전자 장치(101)가 전자 장치(101)를 이동시킬 수 있는 외부 전자 장치(예: 짐벌(gimbal))에 거치되는 경우, 프로세서(120)는, 객체의 크기가 영상 내에서 지정된 크기를 유지하도록(또는 객체가 영상 내에 포함되도록), 외부 전자 장치를 제어할 수 있다. 예를 들어, 프로세서(120)는, 피사체가 전자 장치(101)로 접근함에 따라, 피사체에 대응하는 객체가 카메라 모듈(180)의 화각 범위에 포함되지 않는 경우, 통신 모듈(190)을 통하여 외부 전자 장치가 피사체로부터 멀어지도록 하기 위한 신호를 전송함으로써, 객체의 크기가 영상 내에서 지정된 크기를 유지하도록 할 수 있다.
일 실시예에서, 프로세서(120)는 영상 재구성 인스트럭션(314)에 기반하여 영상 이미지를 재구성할 수 있다. 프로세서(120)는 재구성한 영상을 디스플레이 모듈(160)에 표시하거나 메모리(130)에 저장할 수 있다. 프로세서(120)는 영상 재구성 인스트럭션(314)에 기반하여 줌 영역을 확대한 영상을 디스플레이 모듈(160)에 표시하거나 메모리(130)에 저장할 수 있다. 또는 프로세서(120)는 영상 재구성 인스트럭션(314)에 기반하여 줌 영역을 크롭(crop)한 영상을 표시장치(160)에 표시하거나 메모리(130)에 저장할 수 있다. 프로세서(120)는 영상 재구성 인스트럭션(314)에 기반하여 줌 영역을 재배치한 영상을 디스플레이 모듈(160)에 표시할 수 있다. 프로세서(120)는 영상 재구성 인스트럭션(314)에 기반하여 줌 영역을 강조한 영상을 디스플레이 모듈(160)에 표시할 수 있다. 프로세서(120)는 영상 재구성 인스트럭션(314)에 기반하여 줌 영역에서 이동하는 객체에 따라 이동하는 영상을 디스플레이 모듈(160)에 표시할 수 있다.
본 발명의 다양한 실시예들에 따른 전자 장치(101)는, 카메라 모듈(180), 상기 카메라 모듈(180)과 기능적으로 연결된 프로세서(120), 및 상기 프로세서(120)와 기능적으로 연결된 메모리(130)를 포함하고, 상기 메모리(130)는, 실행 시, 상기 프로세서(120)가, 제 1 영상을 획득하고, 상기 제 1 영상에서 제 1 객체를 식별하고, 상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하고, 상기 카메라 모듈(180)을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하고, 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하도록 하는 인스트럭션들(instructions)을 저장할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 상기 줌 영역을 결정하도록 할 수 있다.
다양한 실시예에서, 상기 줌 영역과 관련된 파라미터는, 상기 줌 영역의 이동과 관련된 임계 값, 상기 줌 영역의 평균 이동 속도, 또는 상기 줌 영역의 패딩(padding) 영역 중 적어도 하나를 포함할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 패딩 영역에 기반하여 상기 줌 영역의 크기를 결정하고, 상기 제 2 객체가 상기 임계 값 이상 이동 시, 상기 평균 이동 속도에 기반하여 상기 줌 영역을 이동시키도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 제 1 영상 내에서, 상기 제 2 객체의 위치에 대응하는 위치에 위치하는 객체를 상기 제 1 객체로서 식별하도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 제 2 영상 내에서 상기 제 2 객체에 대응하는 제 1 시간을 식별하고, 상기 식별된 제 1 시간에 기반하여, 상기 1 영상의 제 2 시간에 대응하는 상기 제 1 객체를 식별하도록 할 수 있다.
다양한 실시예에서, 상기 전자 장치(101)는 마이크(예: 입력 모듈(150))를 더 포함하고, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 마이크를 통하여, 오디오 신호를 획득하고, 상기 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하고, 상기 제 2 시간에 상기 제 1 영상에 포함된 객체를 상기 제 1 객체로서 식별하도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 획득된 오디오 신호의 박자, 비트, 리듬 또는 템포 중 적어도 하나를 인식하고, 및 상기 인식된 박자, 비트, 리듬 또는 템포 중 적어도 하나에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하도록 할 수 있다.
다양한 실시예에서, 상기 프로세서(120)가, 상기 획득된 오디오 신호에 포함된 음성 신호를 인식하고, 및 상기 인식된 음성 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 제 1 영상이 복수의 객체들을 포함하는지 여부를 식별하고, 상기 제 1 영상이 상기 복수의 객체들을 포함하는 경우, 상기 복수의 객체들 중에서, 상기 제 2 객체에 대응하는 상기 제 1 객체를 식별하도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 제 2 영상의 제 1 시점에 대응하는 상기 제 1 영상의 제 2 시점을 식별하고, 상기 제 1 영상의 상기 제 2 시점 다음의 제 3 시점에 상기 제 1 영상에 포함된 상기 제 1 객체의 위치 및 크기를 결정하고, 상기 결정된 제 1 객체의 위치 및 크기와 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 줌 영역의 위치 및 크기를 결정하고, 및 상기 결정된 줌 영역의 위치 및 크기에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 제 1 영상의 상기 제 2 시점을 기준으로 제 1 시간 이전의 시점부터 상기 제 2 시점을 기준으로 제 2 시간 이후의 시점까지의 시간 동안 획득되었던 상기 제 1 영상의 복수의 이미지들 각각에 포함된 상기 제 1 객체의 크기들을 결정하고, 및 상기 제 1 객체들의 크기들 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 줌 영역의 위치 및 크기를 결정하도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 제 2 객체의 위치 및 상기 제 1 객체의 위치, 또는 상기 전자 장치(101)의 마이크를 통하여 획득된 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호 중 적어도 하나에 기반하여, 상기 제 1 시점에 대응하는 상기 제 2 시점을 식별하도록 할 수 있다.
다양한 실시예에서, 상기 인스트럭션들은, 상기 인스트럭션들은, 상기 프로세서(120)가, 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 카메라 모듈(180)의 설정을 조정하고, 및 상기 제 2 객체에 대한 영상을 획득하기 위하여, 상기 조정된 카메라 모듈(180)의 설정에 기반하여 상기 카메라 모듈을 제어하도록 할 수 있다.
도 4는, 다양한 실시예들에 따른, 영상을 제공하는 방법을 설명하는 전체적인 흐름도(400)이다.
도 4를 참조하면, 동작 401에서, 일 실시예에서, 프로세서(120)는 제 1 영상(이하, '제 1 영상'으로 지칭함)을 획득할 수 있다. 일 실시예에서, 제 1 영상은 '기준 영상'으로 지칭될 수도 있다.
일 실시예에서, 제 1 영상은, 카메라 모듈(180)을 통하여 영상(예: 후술할 제 2 영상)을 획득(예: 촬영)하기 전, 메모리(130)에 저장된 영상일 수 있다. 프로세서(120)는, 메모리(130)로부터 제 1 영상을 획득할 수 있다.
일 실시예에서, 제 1 영상은, 스트리밍 서비스(streaming service)를 이용하여, 통신 모듈(190)을 통하여 실시간으로 획득되는 영상일 수 있다. 프로세서(120)는, 통신 모듈(190)을 통하여, 외부(예: 스트리밍 서비스를 제공하는 서버)로부터 제 1 영상을 획득할 수 있다.
다만, 제 1 영상을 획득하는 방법은 전술한 예시들에 제한되지 않는다.
일 실시예에서, 프로세서(120)는, 메모리(130)에 복수의 영상들이 저장된 경우, 자동적으로(예: 지정된 방식으로) 또는 사용자 입력에 기반하여, 복수의 영상들 중에서 제 1 영상을 선택함으로써, 제 1 영상을 획득할 수 있다. 복수의 영상들 중에서 제 1 영상을 선택함으로써 제 1 영상을 획득하는 방법의 다양한 실시예에 대하여, 도 15를 참조하여 상세히 후술하도록 한다.
동작 403에서, 일 실시예에서, 프로세서(120)는, 제 1 영상에서 제 1 객체(이하, '제 1 객체'로 지칭함)를 식별(예: 검출)할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상의 복수의 이미지들(예: 복수의 이미지 프레임들(image frames))들에서 적어도 하나의 피사체(예: 인물)에 대응하는 적어도 하나의 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 1 영상의 복수의 이미지들에서, 지정된 알고리즘(예: 인물 검출 알고리즘 또는 얼굴 검출 알고리즘)을 이용하여, 적어도 하나의 객체를 검출할 수 있다.
제 1 영상에서 제 1 객체를 식별하는 동작의 다양한 실시예는 이하 도 5를 참조하여 상세히 설명하도록 한다.
도 5는, 다양한 실시예들에 따른, 제 1 영상에서 제 1 객체를 식별하는 방법을 설명하기 위한 예시도(500)이다.
도 5를 참조하면, 일 실시예에서, 프로세서(120)는, 제 1 영상의 이미지(510)으로부터 제 1 객체(511)을 식별(예: 검출)할 수 있다. 프로세서(120)는, 제 1 영상의 이미지(510)으로부터 제 1 객체(511)가 식별된 경우, 제 1 객체(511)에 대한 트래킹(tracking) 영역(513)을 결정(예: 설정)할 수 있다. 트래킹 영역(513)은 제 1 영상의 이미지(510) 내에서 제 1 객체를 둘러싸는 바운딩 박스(bounding box) 형태일 수 있다. 다만, 트래킹 영역(513)의 형태는 이에 제한되지 않는다.
일 실시예에서, 프로세서(120)는, 제 1 영상의 이미지(520)으로부터 제 1 객체(521)을 식별할 수 있다. 프로세서(120)는, 제 1 영상의 이미지(520) 내에서 제 1 객체(521)(예: 인물에 대응하는 객체)의 골격(skeleton)과 관련된 특징점들(예: key points)을 획득(예: 추출)할 수 있다. 프로세서(120)는, 골격(522)과 관련된 특징점들에 기반하여, 상기 특징점들을 연결함으로써 제 1 객체(521)의 골격(522)을 결정할 수 있다. 프로세서(120)는, 제 1 객체(521)의 골격에 기반하여, 제 1 객체(521)의 골격(522)에 둘러싸는 형태의 트래킹 영역(523)을 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상의 이미지(530)으로부터 복수의 제 1 객체들(531-1, 531-2)을 식별할 수 있다. 프로세서(120)는, 제 1 영상의 이미지(530)으로부터 복수의 제 1 객체들(531-1, 531-2)이 식별된 경우, 복수의 제 1 객체들(531-1, 531-2)에 대한 트래킹(tracking) 영역을 결정할 수 있다. 예를 들어, 프로세서(120)는, 복수의 제 1 객체들(531-1, 531-2) 각각에 대한 트래킹 영역들(533-1, 533-2)을 결정할 수 있다. 다른 예를 들어, 프로세서(120)는, 복수의 제 1 객체들(531-1, 531-2) 모두가 포함된 영역(예: 복수의 제 1 객체들(531-1, 531-2) 각각이 포함된 영역들의 합집합)에 대한 트래킹 영역(미도시)을 결정할 수 있다. 일 실시예에서, 제 1 객체의 위치 및 크기는 제 1 객체에 대한 트래킹 영역의 위치 및 크기에 대응될 수 있다. 이하에서, 제 1 객체의 위치 및 크기에 대한 설명은 제 1 객체에 대한 트래킹 영역의 위치 및 크기에 대한 설명을 포함하는 것으로 이해될 수 있다.
도 4로 리턴하면, 동작 405에서, 일 실시예에서, 프로세서(120)는, 제 1 영상에서 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터(이하, '줌 영역과 관련된 기본 파라미터(default parameter)' 또는 '기본 파라미터'와 혼용함)를 획득할 수 있다. 기본 파라미터는, 제 2 영상에 적용될(또는 설정될) 파라미터를 포함할 수 있다. 예를 들어, 기본 파라미터는 줌 영역의 이동과 관련된 임계 값(제 1 임계 값), 제 2 영상의 줌 영역의 이동 속도, 및/또는 제 2 영상에 적용될 줌 영역의 패딩(padding) 영역(예: 패딩 영역의 크기)을 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상으로부터 제 1 객체의 움직임에 대한 정보를 획득할 수 있다. 일 실시예에서, 제 1 객체의 움직임에 대한 정보는, 제 1 영상 내에서 제 1 객체가 이동한 영역, 제 1 객체의 평균 이동 속도(및/또는 최대 이동 속도 및 최소 이동 속도), 또는 제 1 객체의 위치 및 크기의 변화량 중 적어도 하나를 포함할 수 있다.
일 실시예에서, 제 1 영상 내에서 제 1 객체가 이동한 영역은, 제 1 영상의 복수의 이미지들에서, 제 1 객체가 위치하였던(예: 이동하였던) 영역을 포함할 수 있다. 예를 들어, 제 1 영상 내에서 제 1 객체가 이동한 영역은, 제 1 영상의 복수의 이미지들에서, 제 1 객체가 위치하였던 영역들의 합집합일 수 있다.
일 실시예에서, 제 1 객체의 평균 이동 속도는, 제 1 영상의 복수의 이미지들에서 제 1 객체의 위치의 변화량들을 합산한 값(예: 제 1 객체의 이동 거리)을 제 1 영상의 복수의 이미지들을 획득한 시간으로 나눈 값일 수 있다. 일 실시예에서, 제 1 객체의 최대 이동 속도는, 제 1 영상의 복수의 이미지들에서, 단위 시간(예: 복수의 이미지들 각각을 획득하는 시간 간격) 당 제 1 객체의 위치의 최대 변화량일 수 있다. 일 실시예에서, 제 1 객체의 최소 이동 속도는, 제 1 영상의 복수의 이미지들에서, 단위 시간 당 제 1 객체의 위치의 최소 변화량일 수 있다.
일 실시예에서, 제 1 객체의 위치 및 크기의 변화량(예: 제 1 객체의 위치 및 크기의 평균 변화량)은, 제 1 영상의 복수의 이미지들에서, 제 1 객체의 움직임의 횟수(예: 지정된 시간 동안 검출된 움직임의 횟수)를 포함할 수 있다. 예를 들어, 지정된 시간 동안 피사체의 위치의 변화(예: 복수의 이미지들 내에서 피사체의 상/하/좌/우의 위치 변화) 횟수가 많을 수록, 피사체에 대응하는 제 1 객체의 위치의 변화량은 증가할 수 있다. 다른 예를 들어, 피사체의 전자 장치(101)(예: 카메라 모듈(180))로 접근하거나 멀어지는 움직임의 횟수가 증가할수록, 제 1 객체의 크기가 증가하거나 감소되는 변화량은 증가할 수 있다. 일 실시예에서, 제 1 객체의 위치 및 크기의 변화량은, 제 1 객체의 움직임의 분산으로 지칭될 수도 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상에 복수의 제 1 객체들이 포함된 경우, 복수의 제 1 객체들 각각에 대하여 움직임에 대한 정보를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상에 복수의 제 1 객체들이 포함된 경우, 복수의 제 1 객체들 모두에 대하여 움직임에 대한 정보를 획득할 수 있다. 예를 들어, 프로세서(120)는, 도 5의 이미지(530)와 같이, 제 1 영상에서 복수의 제 1 객체들이 포함된 경우, 복수의 제 1 객체들 모두가 포함된 영역(예: 복수의 제 1 객체들 각각이 포함된 영역들의 합집합)에 대한 트래킹 영역을 결정할 수 있다. 프로세서(120)는, 결정된 트래킹 영역의 변화에 대한 정보를 획득함으로써, 복수의 제 1 객체들 모두에 대하여 움직임에 대한 정보를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상에 복수의 제 1 객체들이 포함된 경우, 복수의 제 1 객체들 각각에 대하여 움직임에 대한 정보 및 복수의 제 1 객체들 모두에 대한 움직임에 대한 정보를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 제 1 객체의 움직임에 대한 정보에 기반하여, 줌 영역과 관련된 파라미터를 획득할 수 있다. 예를 들어, 프로세서(120)는, 획득된 제 1 객체의 움직임에 대한 정보에 기반하여, 카메라 모듈(180)을 통하여 획득될 영상(이하, '제 2 영상'으로 지칭함)에 적용될 줌 영역과 관련된 파라미터를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상 내에서 제 1 객체가 이동한 영역에 기반하여, 제 2 영상에 적용될 줌 영역의 이동과 관련된 임계 값(이하, '제 1 임계 값'으로 지칭함)을 획득할 수 있다. 예를 들어, 프로세서(120)는, 제 1 영상 내에서 제 1 객체가 이동한 영역이 클수록(예: 넓을수록), 제 1 임계 값을 낮게 결정(예: 설정)할 수 있다. 프로세서(120)는, 제 1 영상 내에서 제 1 객체가 이동한 영역이 작을수록(예: 좁을수록), 제 1 임계 값을 높게 결정(예: 설정)할 수 있다.
일 실시예에서, 제 1 임계 값은, 제 1 이미지의 줌 영역의 위치를 제 1 이미지 다음의(예: 제 1 이미지에 연속하는) 제 2 이미지에서 이동시킬지 여부를 결정하기 위한 값일 수 있다. 예를 들어, 프로세서(120)는, 제 1 이미지에 포함된 객체의 위치 및 제 1 이미지 다음의 제 2 이미지에 포함된 객체의 위치 간 위치 차이가 제 1 임계 값 이하인 경우, 제 1 이미지의 줌 영역의 위치가 제 2 이미지에서 유지되도록(변화되지 않도록)(예: 줌 영역이 이동하지 않도록) 할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상 내에서 제 1 객체가 이동한 영역이 클수록, 제 1 임계 값을 낮게 결정함으로써, 제 2 영상 내에서 식별될 객체를 신속하게(또는 민감하게) 추적(tracking)할 수 있다. 예를 들어, 프로세서(120)는, 제 1 임계 값을 낮게 결정함으로써, 제 2 영상 내에서 식별될 객체의 움직임이 있는 경우, 객체의 움직임에 따라 신속하게 줌 영역을 이동시킬 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상 내에서 제 1 객체가 이동한 영역이 작을수록, 제 2 임계 값을 높게 결정함으로써, 제 2 영상 내에서 식별될 객체의 작은 움직임에 대하여 객체에 대한 줌 영역이 변화되지 않도록 할 수 있다. 프로세서(120)는, 제 2 영상 내에서 식별될 객체의 작은 움직임에 대하여 객체에 대한 줌 영역이 변화되지 않도록 함으로써, 안정된 영상을 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 객체의 평균 이동 속도에 기반하여, 제 2 영상의 줌 영역의 이동 속도를 결정할 수 있다. 예를 들어, 프로세서(120)는, 제 1 객체의 평균 이동 속도가 클수록(예: 빠를수록) 제 2 영상의 줌 영역의 이동 속도를 크게(예: 빠르게) 설정하고, 제 1 객체의 평균 이동 속도가 작을수록(예: 느릴수록) 제 1 영상의 줌 영역의 이동 속도를 낮게(예: 느리게) 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 객체의 평균 이동 속도에 기반하여 제 2 영상의 줌 영역의 이동 속도를 결정함으로써, 제 2 영상에서 식별될 객체를 안정적으로 또는 정확하게 추적할 수 있다. 예를 들어, 프로세서(120)는, 제 1 객체의 평균 이동 속도에 기반하여 제 2 영상의 줌 영역의 이동 속도를 결정함으로써, 제 2 영상에서 식별될 객체에 대한 줌 영역이 부드럽게 또는 정확하게 이동하도록 할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 객체의 위치 및 크기의 변화량에 기반하여, 제 2 영상에 적용될 줌 영역의 패딩(padding) 영역(예: 패딩 영역의 크기)을 결정할 수 있다.
도 6은, 다양한 실시예들에 따른, 제 2 영상에 적용될 줌 영역의 패딩 영역을 설명하기 위한 예시도(600)이다.
도 6을 참조하면, 줌 영역(610)의 크기는, 트래킹 영역(620)(또는 객체의 크기)의 크기와, 트래킹 영역(620)으로부터 좌측 거리(또는 좌측 패딩(PL)), 상측 거리(또는 상측 패딩(PU)), 우측 거리(또는 우측 패딩(PR)), 및 하측 거리(또는 하측 패딩(PD))에 의해 결정될 수 있다. 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1 객체의 위치 및 크기의 변화량이 클수록 제 2 영상에 적용될 줌 영역의 패딩 영역을 넓게 결정할 수 있다. 예를 들어, 프로세서(120)는, 제 1 영상의 제 1 객체의 위치 및/또는 제 1 객체의 크기의 평균 변화량이 클수록, 제 2 영상에 적용될 줌 영역의 좌측 패딩(PL), 상측 패딩(PU), 우측 패딩(PR), 및 하측 패딩(PD)을 길게 결정할 수 있다. 프로세서(120)는, 제 1 영상의 제 1 객체의 위치 및/또는 제 1 객체의 크기의 변화량이 작을수록 제 2 영상에 적용될 줌 영역의 패딩 영역을 좁게 결정할 수 있다. 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1 객체의 위치 및 크기의 변화량이 클수록 제 2 영상에 적용될 줌 영역의 패딩 영역을 넓게 결정함으로써, 제 2 영상에서 식별될 객체가 지정된 시간 내에 많은 횟수의 움직임들이 있는 경우, 제 2 영상에 적용될 줌 영역의 크기가 변화되지 않도록 할 수 있다. 프로세서(120)는, 제 2 영상에 적용될 줌 영역의 크기가 변화되지 않도록 함으로써, 제 2 영상에 적용될 줌 영역을 통하여 획득될 영상의 흔들림을 최소화할 수 있다. 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1 객체의 위치 및 크기의 변화량이 작을수록 제 2 영상에 적용될 줌 영역의 패딩 영역을 좁게 결정함으로써, 제 2 영상에서 식별될 객체가 지정된 시간 내에 적은 횟수의 움직임들이 있는 경우, 제 2 영상에 적용될 줌 영역을 통하여 보다 큰 크기의(예: 보다 큰 배율로 확대된) 객체를 포함하는 영상을 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상에 복수의 제 1 객체들이 포함된 경우, 복수의 제 1 객체들 각각에 움직임에 대한 정보에 기반하여, 복수의 제 1 객체들 각각의 줌 영역과 관련된 파라미터를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상에 복수의 제 1 객체들이 포함된 경우, 복수의 제 1 객체들 모두에 대하여 움직임에 대한 정보에 기반하여, 복수의 제 1 객체들 모두의 줌 영역과 관련된 파라미터를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상에 복수의 제 1 객체들이 포함된 경우, 복수의 제 1 객체들 각각에 대하여 움직임에 대한 정보 및 복수의 제 1 객체들 모두에 대한 움직임에 대한 정보에 기반하여, 복수의 제 1 객체들 각각의 줌 영역과 관련된 파라미터를 및 복수의 제 1 객체들 모두를 포함하는 줌 영역과 관련된 파라미터를 획득할 수 있다.
동작 407에서, 일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 획득되는 제 2 영상에 포함된 제 2 객체(이하, '제 2 객체'로 지칭함)에 대응하는 제 1 객체를 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 획득되는 제 2 영상에서, 제 2 객체를 검출할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 복수의 이미지들 내에서, 지정된 알고리즘(예: 인물 검출 알고리즘 또는 얼굴 검출 알고리즘)을 이용하여, 적어도 하나의 제 2 객체를 검출할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상 내에서, 제 2 영상의 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 객체의 특징(예: 특징점들) 및 제 1 영상의 제 1 객체의 특징을 비교함으로써, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 객체의 특징 및 제 1 영상의 제 1 객체의 특징 간 유사율(또는 매칭 정도(matching degree))이 지정된 유사율 이상인 경우, 제 1 객체가 제 2 객체에 대응하는 것으로 식별할 수 있다. 다른 예를 들어, 프로세서(120)는, 제 1 영상이 복수의 제 1 객체들을 포함하는 경우, 제 2 객체와 복수의 제 1 객체들을 비교함으로써, 복수의 제 1 객체들 중에서 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 또 다른 예를 들어, 프로세서(120)는, 제 2 영상이 복수의 제 2 객체들을 포함하고 제 1 영상이 복수의 제 1 객체들을 포함하는 경우, 복수의 제 1 객체들 중에서, 복수의 제 2 객체들 중 사용자 입력에 기반하여 선택된 적어도 하나의 제 2 객체에 대응하는, 적어도 하나의 제 1 객체를 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 객체의 위치 및 제 1 객체의 위치를 비교함으로써, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 1 시점(예: 제 2 영상의 시작 시점(예: 촬영 시점)을 기준으로 제 1 시간 후의 시점)에서의 제 2 객체의 위치(예: 좌표)와 제 2 영상의 상기 제 1 시점에 대응하는 제 1 영상의 시점(예: 제 1 영상의 시작 시점을 기준으로 상기 제 1 시간 후의 시점)의 제 1 객체의 위치를 비교할 수 있다. 프로세서(120)는, 제 2 영상의 제 1 시점에서의 제 2 객체의 위치 및 상기 제 1 시점에 대응하는 시점의 제 1 객체의 위치 차이가 지정된 차이 미만인 경우, 제 1 객체가 제 2 객체에 대응하는 것으로 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 객체의 위치의 변화 및 제 1 객체의 위치의 변화량 비교함으로써, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상 내에서 일정 개수의 이미지들 내에서 제 2 객체의 위치의 변화(예: 변위)를 식별할 수 있다. 프로세서(120)는, 제 1 영상의 이미지들 내에서 제 2 객체의 위치의 변화만큼 위치가 변화한 객체를 제 2 객체에 대응하는 제 1 객체로서 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상이 복수의 제 1 객체들을 포함하는 경우, 제 2 객체의 위치(또는 위치의 변화량)와 복수의 제 1 객체들의 위치들(또는 위치의 변화량들)을 비교함으로써, 복수의 제 1 객체들 중에서 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상 및 제 2 영상의 대응하는 시점들(또는 시간들)에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다.
예를 들어, 프로세서(120)는, 제 2 영상의 제 1 시점(예: 제 2 영상의 시작 시점을 기준으로 제 1 시간 후의 시점)에서 제 2 객체를 식별할 수 있다. 프로세서(120)는, 제 2 영상의 상기 제 1 시점에 대응하는 제 1 영상의 시점(예: 제 1 영상의 시작 시점을 기준으로 상기 제 1 시간 후의 시점)을 식별할 수 있다. 프로세서(120)는, 제 2 영상의 상기 제 1 시점에 대응하는 제 1 영상의 시점의 이미지에 포함된 객체를, 제 2 객체에 대응하는 제 1 객체로서 식별할 수 있다.
다른 예를 들어, 프로세서(120)는, 제 2 영상에서 제 1 시간 동안 제 2 영상에 포함된 제 2 객체(예: 카메라 모듈(180)의 화각 범위 내에서 제 1 시간 동안 존재한 후, 카메라 모듈(180)의 화각 범위를 벗어난 피사체에 대응하는 제 2 객체)를 식별할 수 있다. 프로세서(120)는, 제 1 영상 내에서 상기 제 1 시간 동안 제 1 영상에 포함된 객체를, 제 2 객체에 대응하는 제 1 객체로서 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 오디오 신호에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 제 2 영상을 획득하는 동안, 마이크(예: 입력 모듈(150))를 통하여, 오디오 신호(예: 음악과 관련된 오디오 신호)(이하, '획득된 오디오 신호'로 지칭함)를 획득할 수 있다. 프로세서(120)는, 획득된 오디오 신호의 파형(waveform) 및/또는 오디오 신호의 에너지(energy)을 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호의 파형과 제 1 영상의 오디오 신호의 파형에 기반하여, 획득된 오디오 신호 및 제 1 영상의 오디오 신호 간 상관도(correlation)(상관 관계)를 식별할 수 있다. 프로세서(120)는, 획득된 오디오 신호 및 제 1 영상의 오디오 신호 간 상관도에 기반하여, 획득된 오디오 신호 및 제 1 영상의 오디오 신호가 대응하는 오디오 신호(예: 동일한 음악에 대한 오디오 신호)임을 식별할 수 있다. 프로세서(120)는, 획득된 오디오 신호의 파형 및 제 1 영상의 오디오 신호의 파형 간 시간 차이(예: 지연 시간 또는 위상 차이)에 기반하여, 제 2 영상의 제 1 시점(예: 제 2 영상의 시점 시점을 기준으로 제 1 시점)에 대응하는 제 1 영상의 제 2 시점(예: 제 1 영상의 시점 시점을 기준으로 제 2 시점)을 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호의 에너지와 제 1 영상의 오디오 신호의 에너지에 기반하여, 획득된 오디오 신호의 에너지 및 제 1 영상의 오디오 신호의 에너지가 대응하는 오디오 신호(예: 동일한 음악에 대한 오디오 신호)임을 식별할 수 있다. 프로세서(120)는, 획득된 오디오 신호의 에너지 및 제 1 영상의 오디오 신호의 에너지 간 시간 차이(예: 지연 시간)에 기반하여, 제 2 영상의 제 1 시점(예: 제 2 영상의 시점 시점을 기준으로 제 1 시점)에 대응하는 제 1 영상의 제 2 시점(예: 제 1 영상의 시점 시점을 기준으로 제 2 시점)을 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호의 박자, 비트, 리듬, 또는 템포 중 적어도 하나에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 1 시점에서, 획득된 오디오 신호의 박자, 비트, 리듬, 또는 템포 중 적어도 하나를 인식할 수 있다. 프로세서(120)는, 제 1 영상에서, 획득된 오디오 신호의 박자, 비트, 리듬, 또는 템포 중 적어도 하나에 대응하는 박자, 비트, 리듬, 또는 템포 중 적어도 하나가 인식된 시점을, 제 2 영상의 제 1 시점에 대응하는(또는 싱크(sync)가 맞는) 시점으로서 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호에 포함된 음성 신호에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 1 시점에서, 예를 들어, 음성 인식 모듈을 이용하여, 획득된 오디오 신호에 포함된 음성 신호(예: 사용자의 음성 신호)를 인식할 수 있다. 프로세서(120)는, 제 1 영상에서, 획득된 오디오 신호에 포함된 음성 신호에 대응하는 음성 신호가 인식된 시점을, 제 2 영상의 제 1 시점에 대응하는 시점으로서 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호에 포함된 소음(예: 주변 소음 또는 백색 소음(white noise)에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 1 시점에서, 획득된 오디오 신호에 포함된 소음을 인식할 수 있다. 프로세서(120)는, 제 1 영상에서, 획득된 오디오 신호에 포함된 소음에 대응하는 음성 신호가 인식된 시점을, 제 2 영상의 제 1 시점에 대응하는 시점으로서 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 상기 제 1 시점과, 대응하는 상기 제 2 시점에서, 제 2 영상의 제 2 객체의 특징(예: 특징점들) 및 제 1 영상의 제 1 객체의 특징을 비교함으로써, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 상기 제 1 시점과, 상기 제 1 시점에 대응하는 상기 제 2 시점에서, 제 2 객체의 위치(또는 위치의 변화량) 및 제 1 객체의 위치(또는 위치의 변화량)를 비교함으로써, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 상기 제 1 시점과, 상기 제 1 시점에 대응하는 상기 제 2 시점에서, 제 2 객체의 특징 및 위치(또는 위치의 변화량)와, 제 1 객체의 특징 및 위치(또는 위치의 변화량)를 비교함으로써, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다.
동작 407의 실시예들에서는, 제 2 영상에서 포함된 제 2 객체에 대응하는 제 1 객체를 식별하는 것으로 예시하고 있지만 이에 제한되지 않는다. 예를 들어, 프로세서(120)는, 제 2 영상에서, 제 1 영상에 포함된 제 1 객체에 대응하는 제 2 객체를 식별할 수 있다. 다른 예를 들어, 프로세서(120)는, 제 1 영상에서 복수의 제 1 객체들이 식별된 경우, 제 2 영상 내에서 복수의 제 1 객체들 각각 마다 대응하는 제 2 객체를 식별할 수 있다.
동작 409에서, 일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터(예: 줌 영역과 관련된 기본 파라미터)에 기반하여, 제 2 영상으로부터 제 2 객체에 대한 영상을 획득할 수 있다. 예를 들어, 프로세서(120)는 제 2 영상에 포함된 복수의 이미지들을 기본 파라미터에 기반하여 크롭(crop)하여 제 2 객체에 대한 영상을 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2 객체(또는 제 2 객체가 포함된 복수의 이미지들)에 대하여, 제 2 객체에 대응하는 제 1 영상의 제 1 객체에 대한 줌 영역과 관련된 기본 파라미터를 적용할 수 있다. 예를 들어, 프로세서(120)는, 제 2 객체가 제 2-1 객체인 경우, 제 2-1 객체에 대응하는 제 1 영상의 제 1-1 객체에 대한 줌 영역과 관련된 기본 파라미터를 적용할 수 있다. 다른 예를 들어, 프로세서(120)는, 제 2 객체가 제 2-2 객체인 경우, 제 2-2 객체에 대응하는 제 1 영상의 제 1-2 객체에 대한 줌 영역과 관련된 기본 파라미터를 적용할 수 있다. 또 다른 예를 들어, 프로세서(120)는, 제 2 객체가 복수의 제 2 객체들인 경우, 복수의 제 2 객체들에 대응하는 제 1 영상의 복수의 제 1 객체들에 대한 줌 영역과 관련된 기본 파라미터를 적용할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 시간 구간 마다, 상기 시간 구간의 제 2 영상에 포함하는 제 2 객체에 기반하여, 제 2 객체에 대하여 제 2 객체에 대응하는 제 1 영상의 제 1 객체에 대한 줌 영역과 관련된 기본 파라미터를 적용할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 1 시간 구간의 이미지들에 제 2-1 객체가 포함되는 경우, 제 2-1 객체에 대응하는 제 1 영상의 제 1-1 객체에 대한 줌 영역과 관련된 기본 파라미터를 적용할 수 있다. 다른 예에서, 프로세서(120)는, 제 2 영상의 제 2 시간 구간의 이미지들에 제 2-2 객체가 포함되는 경우, 제 2-2 객체에 대응하는 제 1 영상의 제 1-2 객체에 대한 줌 영역과 관련된 기본 파라미터를 적용할 수 있다
일 실시예에서, 프로세서(120)는, 제 2 영상을 획득하는 동안, 제 2 영상(예: 제 2 영상에 포함된 복수의 이미지들 각각)에 대하여 줌 영역과 관련된 기본 파라미터를 적용할 수 있다.
일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 기본 파라미터로서, 제 2 영상에 적용될 줌 영역의 이동과 관련된 임계 값(제 1 임계 값), 제 2 영상의 줌 영역의 이동 속도, 및/또는 제 2 영상에 적용될 줌 영역의 패딩(padding) 영역(예: 패딩 영역의 크기)을 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상이 획득되는 동안, 제 2 객체가 제 1 임계 값 이상 이동 시 줌 영역의 이동 속도(예: 평균 이동 속도)로, 상기 패딩 영역에 기반하여 결정된 크기를 가지는 줌 영역을 이동시키면서, 영상을 획득할 수 있다.
제 2 영상에 대하여 줌 영역과 관련된 기본 파라미터를 적용하는 방법의 다양한 실시예에 관하여, 이하 도 7 및 도 8을 참조하여 상세히 설명하도록 한다.
도 7은, 다양한 실시예들에 따른, 제 2 영상에 대하여 줌 영역과 관련된 기본 파라미터를 적용하는 방법을 설명하기 위한 예시도(700)이다.
도 7을 참조하면, 도면번호 710은, 시간에 따라 카메라 모듈(180)을 통해 획득되는 제 2 영상의 복수의 이미지들(711, 712, 713)을 나타낼 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 시점(t1)에서, 제 1 이미지(711)에서 검출된 제 2 객체(721)에 대하여 기본 파라미터를 적용(예: 설정)할 수 있다. 예를 들어, 프로세서(120)는, 제 1 시점(t1)에서, 제 1 이미지(711)에서 검출된 제 2 객체(721)(또는 제 2 객체(721)의 트래킹 영역)에 대하여 기본 파라미터의 줌 영역의 패딩 영역을 적용함으로써, 제 1 줌 영역(731)을 결정(예: 설정)할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 시점(t2)에서, 제 2 이미지(712)에서 검출된 제 2 객체(722)에 대하여 기본 파라미터를 적용(예: 설정)할 수 있다. 예를 들어, 프로세서(120)는, 제 1 시점(t1)의 제 1 이미지(711)의 제 1 줌 영역(731)에 대하여 기본 파라미터의 줌 영역의 이동 속도를 적용할 수 있다. 프로세서(120)는, 검출된 제 2 객체(722)(또는 제 2 객체(722)의 트래킹 영역)에 대하여 기본 파라미터의 줌 영역의 패딩 영역을 적용함으로써, 제 2 줌 영역(732)을 결정(예: 설정)할 수 있다. 일 실시예에서, 프로세서(120)는, 제 1 시점(t1)의 제 1 이미지(711)의 제 1 객체(721)의 위치 및 제 2 시점(t2)의 제 2 이미지(712)의 제 2 객체(722) 간 위치 차이가, 제 1 임계 값 이하인 경우, 제 2 시점(t2)의 제 2 이미지(712)에 대하여, 제 1 줌 영역(731)의 위치를 제 2 줌 영역(732)의 위치로 이동하지 않을 수 있다(예: 제 2 시점(t2)에 제 1 시점(t1)의 줌 영역(731)의 위치를 유지).
일 실시예에서, 프로세서(120)는, 제 3 시점(t3)에서, 제 3 이미지(713)에서 검출된 제 2 객체(723)에 대하여 기본 파라미터를 적용(예: 설정)함으로써, 제 3 줌 영역(733)을 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 줌 영역(731), 제 2 줌 영역(731), 및 제 3 줌 영역(733)을 확대(또는 축소)함으로써, 영상의 일부를 획득할 수 있다. 프로세서(120)는, 도 7을 통하여 설명한 방식에 기반하여, 제 1 줌 영역(731), 제 2 줌 영역(732), 및 제 3 줌 영역(733)을 획득하는 동작을 반복함으로써, 영상을 획득할 수 있다.
도 7에서는, 제 2 영상의 제 2 이미지(712)에서 검출된 제 2 객체(722)에 기반하여, 기본 파라미터를 적용하는 방법에 대한 예시들을 설명하였지만, 일 실시예에서, 프로세서(120)는, 제 1 영상을 이용하여 제 2 이미지(812)에 포함될 객체의 위치 및 크기를 결정(예: 예측)하고, 결정된 객체의 위치 및 크기에 대하여 기본 파라미터를 적용할 수 있다. 제 1 영상을 이용하여 제 2 이미지(812)에 포함될 객체의 위치 및 크기에 기반하여, 기본 파라미터를 적용하는 방법의 다양한 실시예들과 관련하여, 도 9 및 도 10을 참조하여 상세히 후술하도록 한다.
도 8은, 다양한 실시예들에 따른, 제 2 영상에 대하여 줌 영역과 관련된 기본 파라미터를 적용하는 방법을 설명하기 위한 예시도(800)이다.
도 8을 참조하면, 도면번호 810은, 시간에 따라 카메라 모듈(180)을 통해 획득되는 제 2 영상의 복수의 이미지들(811, 812, 813)을 나타낼 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 시점(t1)에서 획득되는 제 1 이미지(811)의 객체(821)의 위치 및 크기 및 제 1 이미지(811) 이전에 획득된 적어도 하나의 이미지의 객체의 위치 및 크기에 기반하여, 복수의 이미지들(813) 후의 제 2 시점(t2)에서 획득되는 제 2 이미지(812)의 객체(822)의 위치 및 크기를 결정(예: 예측)할 수 있다. 예를 들어, 프로세서(120)는, 제 1 이미지(811)의 객체(821)의 위치 및 크기 및 제 1 이미지(811) 이전에 획득된 적어도 하나의 이미지의 객체의 위치 및 크기에 기반하여, 지정된 방식(예: kalman filter)을 이용하여, 복수의 이미지들(813) 후의 제 2 이미지(812)의 객체(822)의 위치 및 크기를 결정(예: 예측)할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 이미지들을 획득하는 속도(예: FPS(frame per second)) 및 복수의 이미지들(813)에 대한 줌 영역들을 결정하는데 소요되는 시간을 고려하여, 제 2 시점(t2)(또는 제 2 시점(t2)에 대응하는 복수의 이미지들(813)의 개수)을 결정(예: 산출)할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 이미지(811)의 객체(821)의 위치 및 크기 및 제 2 이미지(812)의 객체(822)의 위치 및 크기에 기반하여, 제 1 영상의 제 1 객체에 대한 줌 영역과 관련된 기본 파라미터를 이용하여, 제 1 이미지(811) 및 제 2 이미지(812) 사이에 획득될 복수의 이미지들(813)에 적용될 줌 영역의 위치 및 크기를 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 이미지(812)의 객체(822)의 위치 및 크기에 기반하여, 객체(822)에 적용될 줌 영역(예: 줌 영역의 위치 및 크기)(832)을 결정할 수 있다. 예를 들어, 프로세서(120)는, 제 2 이미지(812)의 객체(822)의 위치 및 크기에 기반하여 기본 파라미터의 줌 영역의 패딩 영역을 적용함으로써, 줌 영역(832)를 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 이미지(811)의 객체(821)에 대한 줌 영역(831) 및 제 2 이미지(812)의 객체(822)에 대한 줌 영역(832)에 기반하여, 제 1 이미지(811) 및 제 2 이미지(812) 사이에 획득될 복수의 이미지들(813)에 적용될 줌 영역들(이하, '타겟 줌 영역들'로 지칭함)(예: 줌 영역(833))을 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 아래 [수학식 1]을 이용하여, 타겟 줌 영역들의 이동 속도 및 크기와 관련된 파라미터를 결정할 수 있다.
[수학식 1]
k =
Figure pat00001
+
Figure pat00002
*area(B1) +
Figure pat00003
*(1 - IoU(B1, B2)) +
Figure pat00004
*distance(B1, B2)
k는 타겟 줌 영역들의 이동 속도와 관련된 파라미터이고, B1은 제 1 이미지(811)의 줌 영역(831)의 위치 및 크기를 나타내고, B2은 제 2 이미지(812)의 줌 영역(832)의 위치 및 크기를 나타낼 수 있다.
area(B1)는, 제 1 이미지(811)의 줌 영역(831)의 크기(예: 면적)을 나타낼 수 있다. IoU(intersection of union)(B1, B2)는, B1 및 B2의 합집합에 대한 교집합(교집합을 합집합으로 나눈 값)을 나타낼 수 있다. distance(B1, B2)는 B1의 위치 및 B2의 위치 간 거리(예: B1의 위치 및 B2의 위치 간 차이)를 나타낼 수 있다.
Figure pat00005
는 기본 파라미터의 줌 영역의 이동 속도를 나타내는 계수이고,
Figure pat00006
는 제 2 영상의 제 1-1 시점의 줌 영역에 대한 가중치를 나타내는 계수이고,
Figure pat00007
는 IoU(B1, B2)에 대한 가중치를 나타내는 계수이고,
Figure pat00008
는 distance(B1, B2)에 대한 가중치를 나타내는 계수일 수 있다.
Figure pat00009
,
Figure pat00010
,
Figure pat00011
, 및
Figure pat00012
는 k가 0과 1 사이에 있도록 설정될 수 있다.
[수학식 1]에 기반할 때, 타겟 줌 영역들의 이동 속도는, 기본 파라미터의 줌 영역의 이동 속도, 제 1 이미지(811)의 줌 영역(831)의 크기(예: 면적), 및 줌 영역(831) 및 줌 영역(832) 간 거리에 비례하고, IoU(B1, B2)(줌 영역(831) 및 줌 영역(832) 간 중첩 영역)에 반비례할 수 있다.
일 실시예에서, [수학식 1]에 기반할 때, 줌 영역(831) 및 줌 영역(832) 간 거리가 커질수록(예: 멀어질수록) 타겟 줌 영역들의 이동 속도는 증가될 수 있다. [수학식 1]에 기반할 때, 줌 영역(831) 및 줌 영역(832) 간 거리가 커질수록 타겟 줌 영역들의 이동 속도가 증가되는 속도(예: 가속도)는 감소될 수 있다. 이를 통하여, 복수의 이미지들(813) 내에서 줌 영역(833)이 안정적으로(또는 부드럽게) 이동될 수 있다.
일 실시예에서, [수학식 1]의 요소들 중 적어도 하나의 요소는, 타겟 줌 영역들의 이동 속도 및 크기와 관련된 파라미터(k) 결정 시, 고려되지 않을 수 있다. 예를 들어, 제 2 영상의 복수의 이미지들을 획득하는 속도(예: FPS(frame per second))가 제 2 영상의 제 2 객체의 이동의 속도(예: 최대 속도)에 비하여, 지정된 속도 이상 빠를 수 있다. 이러한 경우, [수학식 1]의 요소들 중에서,
Figure pat00013
*distance(B1, B2)를 제외하고, 타겟 줌 영역들의 이동 속도 및 크기와 관련된 파라미터(k)를 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 타겟 줌 영역들의 이동 속도 및 크기와 관련된 파라미터(k)에 기반하여, 아래 [수학식 2]를 이용하여, 타겟 줌 영역들(예: 타겟 줌 영역들의 위치 및 크기)을 결정할 수 있다.
[수학식 2]
Bn = k* B2 + (1-k)(B1)
Bn은 타겟 줌 영역들 각각(예: 이미지(813)의 줌 영역(833))의 위치 및 크기를 나타내고, B1은 제 1 이미지(811)의 위치 및 크기를 나타내고, B2은 제 2 이미지(812)의 위치 및 크기를 나타낼 수 있다. 예를 들어, [수학식 2]의 결과는 아래 [수학식 3]과 같을 수 있다.
[수학식 3]
Bn = {
Figure pat00014
,
Figure pat00015
,
Figure pat00016
,
Figure pat00017
} = {k*
Figure pat00018
+ (1-k)*
Figure pat00019
, k*
Figure pat00020
+ (1-k)*
Figure pat00021
, k*
Figure pat00022
+ (1-k)*
Figure pat00023
}
Figure pat00024
,
Figure pat00025
,
Figure pat00026
,
Figure pat00027
, 각각은, Bn의 좌측, 상측, 우측, 및 하측의 길이를 나타낼 수 있다.
Figure pat00028
,
Figure pat00029
,
Figure pat00030
, 및
Figure pat00031
, 각각은, B2의 좌측, 상측, 우측, 및 하측의 길이를 나타낼 수 있다.
Figure pat00032
,
Figure pat00033
,
Figure pat00034
, 및
Figure pat00035
, 각각은, B1의 좌측, 상측, 우측, 및 하측의 길이를 나타낼 수 있다.
일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 복수의 이미지들(813)이 획득되는 동안, 복수의 이미지들(813)에 대하여 타겟 줌 영역들 각각의 위치 및 크기를 적용할 수 있다.
도 8에서는, 지정된 방식(예: Kalman filter)을 이용하여, 복수의 이미지들(813) 후의 제 2 이미지(812)의 객체(822)의 위치 및 크기를 결정(예: 예측)하는 예시들을 설명하였지만, 일 실시예에서, 프로세서(120)는, 제 1 영상을 이용하여 제 2 이미지(812)의 객체(822)의 위치 및 크기를 결정(예: 예측)할 수 있다. 제 1 영상을 이용하여 제 2 이미지(812)의 객체(822)의 위치 및 크기를 결정(예: 예측)하는 방법과 관련하여, 도 11 및 도 12를 참조하여 상세히 후술하도록 한다.
일 실시예에서, 프로세서(120)는, 복수의 이미지들(813) 내에서 타겟 줌 영역들을 확대(또는 축소)함으로써, 영상의 일부를 획득할 수 있다. 프로세서(120)는, 도 8을 통하여 설명한 방식에 기반하여, 타겟 줌 영역들을 획득하는 동작을 반복함으로써, 영상을 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 영상을 메모리(130)에 저장할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 영상을 디스플레이(예: 디스플레이 모듈(160))를 통하여 표시할 수 있다. 예를 들어, 프로세서(120)는, 실시간으로, 획득된 영상의 타겟 줌 영역들의 확대된 이미지들을 연속적으로 디스플레이(예: 디스플레이 모듈(160))를 통하여 표시할 수 있다.
도 4에 도시하지는 않았지만, 일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터에 대응하는 모드(mode)를 설정할 수 있다. 예를 들어, 프로세서(120)는, 복수의 영상들(예: 제 1 영상)에 대하여 각각 줌 영역과 관련된 파라미터들을 메모리(130)에 저장할 수 있다. 일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터를 메모리(130)에 저장하는 경우, 줌 영역과 관련된 파라미터를 나타내는(또는 식별하도록 하는) 이미지(예: thumbnail)을 함께 메모리(130)에 저장할 수 있다.
일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터들 각각에 대하여 모드들을 설정할 수 있다. 프로세서(120)는, 전자 장치(101)의 사용자가 원하는 모드를 선택하는 경우, 촬영하고자 하는 영상에 대하여 선택된 모드에 대응하는 줌 영역과 관련된 파라미터를 적용할 수 있다. 이를 통하여, 사용자는, 사용자가 촬영하고자 하는 피사체의 동작(예: 춤을 추는 동작)과 유사한 동작이 촬영된 피사체에 대응하는 객체에 대한 줌 영역과 관련된 파라미터를, 촬영하고자 하는 영상에 적용할 수 있다.
일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 획득된 이미지에 기반하여, 디스플레이(예: 디스플레이 모듈(160))를 통하여, 프리뷰(preview)를 표시하는 동안, 피사체에 대응하는 객체에 대하여 줌 영역과 관련된 파라미터를 적용함으로써, 사용자가 원하는 줌 영역과 관련된 파라미터를 획득하였는지를 식별하도록 할 수 있다. 이와 관련한 다양한 실시예들을 도 16을 참조하여 상세히 후술하도록 한다.
도 4 내지 도 9에 도시하지는 않았지만, 일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터에 기반하여 카메라 모듈(180)의 설정을 조정함으로써(예: 카메라 모듈(180)(예: 렌즈 어셈블리(210))를 제어함으로써), 제 2 영상으로부터 제 2 객체에 대한 영상을 획득할 수 있다. 예를 들어, 프로세서(120)는, 줌 영역의 이동과 관련된 임계 값에 기반하여, 렌즈 어셈블리(210)를 이동시킬지 여부를 결정할 수 있다. 프로세서(120)는, 줌 영역의 평균 이동 속도에 기반하여, 렌즈 어셈블리(210)를 이동시키는 속도(예: 평균 속도)를 결정할 수 있다. 프로세서(120)는, 줌 영역의 패딩 영역에 기반하여 줌-인 또는 줌-아웃 동작을 수행하기 위하여, 렌즈 어셈블리(210)를 제어할 수 있다.
도 4 내지 도 9에 도시하지는 않았지만, 일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터에 기반하여, 전자 장치를 이동시킬 수 있다. 예를 들어, 전자 장치(101)(예: 로봇 형태로 구현된 전자 장치)가 전자 장치(101)의 위치를 이동시키거나 전자 장치(101)(예: 카메라 모듈(180))가 향하는 방향을 이동시킬 수 있는 구동부(예: 모터(motor))를 포함하는 경우, 프로세서(120)는, 줌 영역과 관련된 파라미터에 기반하여 구동부를 제어함으로써, 전자 장치(101)를 이동시킬 수 있다. 다른 예를 들어, 전자 장치(101)가 전자 장치(101)를 이동시킬 수 있는 외부 전자 장치(예: 짐벌(gimbal))에 거치되는 경우, 프로세서(120)는, 통신 모듈(190)을 통하여, 줌 영역과 관련된 파라미터에 기반하여, 전자 장치(101)를 이동시키기 위한 신호를 외부 전자 장치로 전송할 수 있다.
도 9는, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 흐름도(900)이다.
도 10은, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 예시도(1000)이다.
도 9 및 도 10을 참조하면, 동작 901에서, 일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점(예: 제 2 영상의 현재 시점)에 대응하는 제 1 영상의 제 1-1 시점을 식별할 수 있다. 예를 들어, 도 10에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점(t3)에 대응하는 제 1 영상의 제 1-1 시점(t1)을 식별할 수 있다. 제 2 영상의 제 2-1 시점에 대응하는 제 1 영상의 제 1-1 시점을 식별하는 동작은, 제 2 영상 및 제 1 영상의 동기화(synchronization)하는 동작으로 이해될 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점의 제 2 객체의 위치(또는 위치의 변화) 및 제 1 영상의 제 1 객체들의 위치들(또는 위치들의 변화)을 비교함으로써, 제 2-1 시점에 대응하는 제 1-1 시점을 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점의 이미지(1023)에 포함된 제 2 객체(1023)의 위치(또는 위치의 변화)를 식별할 수 있다. 프로세서(120)는, 제 1 영상의 복수의 이미지들(예: 이미지들) 중에서, 제 2 영상의 제 2-1 시점의 제 2 객체(1023)의 위치에 대응하는 제 1 영상의 이미지(1011)에 포함된 제 1 객체(1013)를 식별할 수 있다. 예를 들어, 프로세서(120)는, 이미지(1023) 이전의 지정된 개수의 이미지들에 포함된 제 1 객체의 위치의 변화(예: 변위)를 식별할 수 있다. 프로세서(120)는, 제 1 객체의 위치의 변화에 대응하도록(예: 제 1 객체의 위치의 변화와 유사하게), 제 1 영상 내에서 위치가 변화하였던(예: 이동하였던) 제 2 객체가 포함된 이미지(1013)의 제 1-1 시점(t1)을 결정할 수 있다. 다만, 이에 제한되지 않으며, 프로세서(120)는, 제 2 영상의 제 2 영상의 시작 시점(예: 촬영 시점)를 기준으로 하는 제 2-1 시점(t3)(예: 제 2 영상의 시작 시점(예: 촬영 시점)으로부터 제 1 시간 후의 시점)에 대응하는, 제 1 영상의 시작 시점을 기준으로 하는 시점(예: 제 1 영상의 시작 시점으로 제 1 시간 후의 시점)을 식별할 수 있다. 프로세서(120)는, 제 2-1 시점의 제 2 객체의 위치가 제 1 영상의 상기 제 1 영상의 시작 시점을 기준으로 하는 시점의 제 1 객체의 위치가 대응하는 경우, 상기 제 1 영상의 시작 시점을 기준으로 하는 시점을 제 1-1 시점(t1)으로 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 시간 및 제 1 영상의 시간에 기반하여, 제 2-1 시점에 대응하는 제 1-1 시점을 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 2 영상의 시작 시점(예: 촬영 시점)를 기준으로 하는 제 2-1 시점(t3)(예: 제 2 영상의 시작 시점(예: 촬영 시점)으로부터 제 1 시간 후의 시점)에 대응하는, 제 1 영상의 시작 시점을 기준으로 하는 시점(예: 제 1 영상의 시작 시점으로 제 1 시간 후의 시점)을 제 1-1 시점(t1)으로 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 오디오 신호에 기반하여, 제 2-1 시점에 대응하는 제 1-1 시점을 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 제 2 영상을 획득하는 동안, 마이크(예: 입력 모듈(150))를 통하여, 오디오 신호(예: 음악과 관련된 오디오 신호)를 획득할 수 있다. 프로세서(120)는, 획득된 오디오 신호의 파형(waveform) 및/또는 오디오 신호의 에너지(energy)을 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호의 파형과 제 1 영상의 오디오 신호의 파형에 기반하여, 획득된 오디오 신호 및 제 1 영상의 오디오 신호 간 상관도(correlation)(상관 관계)를 식별할 수 있다. 프로세서(120)는, 제 2-1 시점 이전의 지정된 시간 동안 획득된 오디오 신호의 파형과, 상관도가 높은(예: 지정된 값 이상의 상관도를 가지는) 제 1 영상의 시간 구간을 식별할 수 있다. 프로세서(120)는, 상기 제 1 영상의 시간 구간의 마지막 시점을 제 2-1 시점(t3)에 대응하는 제 1-1 시점(t1)으로 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호의 에너지과 제 1 영상의 오디오 신호의 에너지에 기반하여, 획득된 오디오 신호의 에너지 및 제 1 영상의 오디오 신호의 에너지가 대응하는 오디오 신호(예: 동일한 음악에 대한 오디오 신호)임을 식별할 수 있다. 프로세서(120)는, 제 2-1 시점 이전의 시간 구간에서 획득한 오디오 신호의 에너지와 지정된 값 이하의 차이의 가지는, 제 1 영상의 오디오 신호의 에너지가 획득된 제 1 영상의 시간 구간을 식별할 수 있다. 프로세서(120)는, 상기 제 1 영상의 시간 구간의 마지막 시점을 제 2-1 시점(t3)에 대응하는 제 1-1 시점(t1)으로 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호의 박자, 비트, 리듬, 또는 템포 중 적어도 하나에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 2-1 시점에서, 획득된 오디오 신호의 박자, 비트, 리듬, 또는 템포 중 적어도 하나를 인식할 수 있다. 프로세서(120)는, 제 1 영상에서, 획득된 오디오 신호의 박자, 비트, 리듬, 또는 템포 중 적어도 하나에 대응하는 박자, 비트, 리듬, 또는 템포 중 적어도 하나가 인식된 시점을, 제 2 영상의 제 2-1 시점에 대응하는(또는 싱크(sync)가 맞는) 제 1 영상의 1-1 시점으로서 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호에 포함된 음성 신호에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 2-1 시점에서, 예를 들어, 음성 인식 모듈을 이용하여, 획득된 오디오 신호에 포함된 음성 신호(예: 사용자의 음성 신호)를 인식할 수 있다. 프로세서(120)는, 제 1 영상에서, 획득된 오디오 신호에 포함된 음성 신호에 대응하는 음성 신호가 인식된 시점을, 제 2 영상의 제 1 시점에 대응하는 제 1 영상의 1-1 시점으로서 식별할 수 있다.
일 실시예에서, 프로세서(120)는, 획득된 오디오 신호에 포함된 소음(예: 주변 소음 또는 백색 소음(white noise)에 기반하여, 제 2 객체에 대응하는 제 1 객체를 식별할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 제 2-1 시점에서, 획득된 오디오 신호에 포함된 소음을 인식할 수 있다. 프로세서(120)는, 제 1 영상에서, 획득된 오디오 신호에 포함된 소음에 대응하는 음성 신호가 인식된 시점을, 제 2 영상의 제 1 시점에 대응하는 제 1 영상의 1-1 시점으로서 식별할 수 있다.
동작 903에서, 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-1 시점의 이미지의 다음 이미지의 제 1 객체의 위치 및 크기를 결정할 수 있다. 예를 들어, 도 10에서, 프로세서(120)는, 이미지(1011)의 다음 이미지(예: 다음 이미지 프레임)로서 이미지(1012)의 제 1 객체(1014)의 위치 및 크기를 결정할 수 있다.
동작 903 및 도 10에서는, 이미지(1011)의 다음 이미지(예: 다음 이미지 프레임)로서 이미지(1012)에 포함된 제 1 객체(1014)의 위치 및 크기를 결정하는 것으로 예시하고 있지만 이에 제한되지 않는다.
일 실시예에서, 프로세서(120)는, 제 1-1 시점(t1)의 다음 시점으로서 제 1-2 시점의 이미지의 제 1 객체의 위치 및 크기를 결정할 수 있다. 일 실시예에서, 프로세서(120)는, 제 1 영상의 프레임 레이트(frame rate) 및 제 2 영상의 프레임 레이트를 고려하여, 제 1 영상의 제 1-2 시점을 결정할 수도 있다.
동작 905에서, 일 실시예에서, 프로세서(120)는, 제 2 영상에서 제 1 영상의 상기 다음 이미지(예: 이미지(1012))에 대응하여 획득될 이미지 내에서, 상기 다음 이미지(예: 이미지(1012))의 제 1 객체의 위치 및 크기에 대응하는 객체의 위치 및 크기를 예측할 수 있다.
예를 들어, 프로세서(120)는, 이미지(1012)의 제 1 객체(1014)의 위치 및 크기에 기반하여, 제 1 영상의 제 1-2 시점(t2)에 대응하는 제 2 영상의 제 2-2 시점(t4)의 이미지(1022)에 포함될 객체(1024)의 위치 및 크기(예: 제 2-2 시점(t4)의 이미지(1022)에 포함될 것으로 예측된 객체(1024)의 위치 및 크기)를 결정할 수 있다. 프로세서(120)는, 제 2 영상의 제 2-1 시점(예: 현재 시점)에, 제 1-2 시점(t2) 및 제 1-2 시점(t1) 간 차이를 더함으로써, 제 2 영상의 제 2-2 시점(t4)을 결정할 수 있다.
동작 907에서, 일 실시예에서, 프로세서(120)는, 결정된 객체의 위치 및 크기에 기반하여, 줌 영역을 결정할 수 있다. 예를 들어, 프로세서(120)는, 줌 영역과 관련된 파라미터(예: 줌 영역과 관련된 기본 파라미터)를 이용하여, 결정된 객체(1024)(예: 결정된 객체(1024)의 위치 및 크기)에 대한 줌 영역을 결정할 수 있다.
동작 909에서, 일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점에 획득된 이미지 다음의 이미지에 대하여 결정된 줌 영역을 적용할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상의 이미지(1021)의 다음 이미지(제 2-1 시점(t3) 다음의, 카메라 모듈(180)을 통하여 획득된(또는 카메라 모듈(180)을 통하여 획득된 후 메모리(130)에 저장된) 이미지에 포함된 제 2 객체에 대하여, 결정된 줌 영역을 적용할 수 있다.
일 실시예에서, 프로세서(120)는, 동작 901 내지 동작 909를 반복적으로 수행함으로써, 영상을 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 동작 901 내지 동작 909 수행한 후, 동작 901을 제외한, 동작 903 내지 동작 909를 반복적으로 수행함으로써, 영상을 획득할 수 있다. 예를 들어, 프로세서(120)는, 제 1 영상의 프레임 레이트 및 제 2 영상의 프레임 레이트가 동일한 경우, 동작 901을 수행함으로써 제 1 영상의 시점 및 제 2 영상의 시점이 동기화되었기 때문에, 이후의 동작들에서는 동작 901을 재차 수행할 필요가 없을 수 있다.
일 실시예에서, 도 9에 도시하지는 않았지만, 동작 901에서 제 2 영상의 제 2-1 시점(예: 제 2 영상의 현재 시점)에 대응하는 제 1 영상의 제 1-1 시점을 식별할 수 없는 경우, 프로세서(120)는, 도 7 또는 도 8을 통하여 설명한 방법에 기반하여, 영상을 획득할 수 있다. 예를 들어, 제 1 영상의 시점 및 제 2 영상의 시점이 동기화된 후, 지정된 시간 동안 제 2 영상의 제 2 객체에 대응하는 피사체가 제 1 영상의 제 1 객체에 대응하는 피사체와 다르게 움직일 수 있다(예: 제 2 객체에 대응하는 피사체가 제 1 객체에 대응하는 피사체와 다른 춤을 추는 경우). 프로세서(120)는, 지정된 시간 동안 제 2 영상의 제 2-1 시점(예: 제 2 영상의 현재 시점)에 대응하는 제 1 영상의 제 1-1 시점을 식별할 수 없거나, 지정된 시간 동안 제 2 영상의 제 2 객체의 위치(및 크기)가 제 1 영상의 제 1 객체의 위치(및 크기)와 다르게 변화하는 것으로 식별된 경우, 도 7 또는 도 8을 통하여 설명한 방식으로, 제 2 영상에 대하여 줌 영역과 관련된 기본 파라미터를 적용함으로써, 영상을 획득할 수 있다.
도 11은, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 흐름도(1100)이다.
도 12는, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 예시도(1200)이다.
도 11 및 도 12를 참조하면, 동작 1101에서, 일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점(예: 제 2 영상의 현재 시점)에 대응하는 제 1 영상의 제 1-1 시점을 식별할 수 있다. 예를 들어, 도 12에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점(t3)에 대응하는 제 1 영상의 제 1-1 시점(t1)을 식별할 수 있다.
동작 1101의 제 2 영상의 제 2-1 시점에 대응하는 제 1 영상의 제 1-1 시점을 식별하는 동작은, 도 9의 동작 901과 적어도 일부가 동일 또는 유사하므로 상세한 설명은 생략하기로 한다.
동작 1103에서, 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-1 시점 다음의 제 1-2 시점의 이미지에 포함된 제 1 객체의 위치 및 크기를 결정할 수 있다. 예를 들어, 도 12에서, 프로세서(120)는, 제 1-1 시점(t1)의 다음 시점으로서 제 1-2 시점(t2)의 이미지(1212)에 포함된 제 1 객체(1242)의 위치 및 크기를 결정할 수 있다.
일 실시예에서, 제 1 영상의 제 1-2 시점(t2)은, 제 1 영상의 제 1-1 시점(t1)(예: 이미지(1211)가 획득된 시점)으로부터, 제 1 영상의 프레임 레이트 및 제 2 영상의 프레임 레이트, 제 2 영상의 복수의 이미지들 각각에서 제 2 객체를 검출하기 위하여 필요한 시간, 및 후술할 동작 1109에서 줌 영역을 결정(예: 예측)하기 위하여 필요한 시간을 고려한, 시점일 수 있다.
동작 1105에서, 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-2 시점에 대응하는 제 2 영상의 제 2-1 시점의 이미지 내에서, 제 1-2 시점의 제 1 객체의 위치 및 크기에 대응하는 객체의 위치 및 크기를 결정(예: 예측)할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-2 시점의 이미지(1212)에 포함된 제 1 객체(1242)의 위치 및 크기에 기반하여, 제 1 영상의 제 1-2 시점에 대응하는 제 2 영상의 제 2-2 시점(t4)의 이미지(1222) 내에 포함될 것으로 예측되는, 객체(1243)의 위치 및 크기를 결정할 수 있다. 프로세서(120)는, 제 2 영상의 제 2-1 시점(예: 현재 시점)에, 제 1-2 시점(t2) 및 제 1-2 시점(t1) 간 차이를 더함으로써, 제 2 영상의 제 2-2 시점(t4)을 결정할 수 있다.
동작 1107에서, 일 실시예에서, 프로세서(120)는, 결정된 객체의 위치 및 크기에 대응하는, 줌 영역을 결정할 수 있다. 예를 들어, 프로세서(120)는, 줌 영역과 관련된 파라미터(예: 줌 영역과 관련된 기본 파라미터)를 이용하여, 결정된 객체(1243)(예: 결정된 객체(1243)의 위치 및 크기)에 대한 줌 영역(1233)(예: 줌 영역(1233)의 위치 및 크기)을 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-1 시점(t1)을 기준으로 제 1 시간 이전의 시점부터 제 1 영상의 제 1-1 시점(t1)을 기준으로 제 2 시간 이후의 시점까지의 시간 동안 획득되었던 복수의 이미지들에 포함된 제 1 객체의 크기들을 고려하여, 제 2-2 시점의 줌 영역(1233)의 크기를 결정할 수 있다. 예를 들어, 프로세서(120)는, 상기 복수의 이미지들에 포함된 제 1 객체의 크기들 중에서, 가장 큰 크기의 제 1 객체의 영역(예: 제 1 객체가 포함된 영역)(또는, 가장 큰 크기의 제 1 객체의 영역을 제 1 영상 및 제 2 영상 간 비율에 기반하여 제 2 영상에 대응시킨(예: 매핑시킨) 제 2 객체의 영역)에 대하여, 기본 파라미터의 패딩 영역을 적용함으로써, 제 2-2 시점의 줌 영역(1233)의 크기를 결정(예: 조정)할 수 있다. 이러한 경우, 동작 1109에서 후술할 타겟 줌 영역들의 크기가 기본 파라미터의 패딩 영역만을 적용한 타겟 줌 영역들의 크기에 비하여 크게(또는 여유 있게) 결정될 수 있으며, 제 2 영상으로부터 흔들림이 적은 영상이 획득될 수 있다.
동작 1109에서, 일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점의 이미지의 줌 영역 및 결정된 줌 영역에 기반하여, 제 2-1 시점 및 제 2-2 시점 사이의 시간에 획득될 복수의 이미지들에 적용될 줌 영역을 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2-1 시점의 이미지(1221)에 포함된 제 2 객체(1241)에 대한 줌 영역(1231)을 결정할 수 있다. 프로세서(120)는, 줌 영역(1231) 및 제 2-2 시점의 결정된 줌 영역(1233)에 기반하여, 제 2-1 시점 및 제 2-2 시점 사이의 시간에 획득될 복수의 이미지들(예: 이미지(1223)) 적용될 복수의 줌 영역들(이하, '타겟 줌 영역들'로 지칭함)과 관련된 파라미터를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 도 8에서 설명한 [수학식 1]을 이용하여, 타겟 줌 영역들의 이동 속도 및 크기와 관련된 파라미터를 결정할 수 있다. 예를 들어, 도 12의 실시예에 [수학식 1]을 적용하는 경우, [수학식 1]에서 B1은 이미지(1221)의 줌 영역(1231)의 위치 및 크기를 나타내고, B2은 이미지(1223)의 줌 영역(1233)의 위치 및 크기를 나타낼 수 있다. 도 12의 실시예에 적용되는 [수학식 1]과 관련하여, 도 8의 설명과의 중복을 피하기 위하여, 상세한 설명은 생략하기로 한다.
일 실시예에서, 프로세서(120)는, 도 8에서 설명한 [수학식 2]를 이용하여, 타겟 줌 영역들(예: 타겟 줌 영역들의 위치 및 크기)을 결정할 수 있다. 도 12의 실시예에 [수학식 2]을 적용하는 경우, [수학식 2]에서 B1은 이미지(1221)의 줌 영역(1231)의 위치 및 크기를 나타내고, B2은 이미지(1223)의 줌 영역(1233)의 위치 및 크기를 나타낼 수 있다. 도 12의 실시예에 적용되는 [수학식 2]와 관련하여, 도 8의 설명과의 중복을 피하기 위하여, 상세한 설명은 생략하기로 한다.
동작 1111에서, 일 실시예에서, 프로세서(120)는, 줌 영역(예: 타겟 줌 영역들)에 기반하여, 제 2 영상으로부터 제 3 영상을 획득할 수 있다. 예를 들어, 프로세서(120)는, 카메라 모듈(180)을 통하여 복수의 이미지들(예: 이미지(1223))이 획득되는 동안, 복수의 이미지들에 대하여 타겟 줌 영역들(예: 줌 영역(1235)) 각각의 위치 및 크기를 적용함으로써, 제 3 영상을 획득할 수 있다. 예를 들어, 프로세서(120)는, 제 2 영상에 포함된 복수의 이미지들 각각에 대하여 타겟 줌 영역들의 위치 및 크기에 기반하여 크롭(crop)을 수행하여 제 3 영상을 획득할 수 있다.
도 11에서, 제 2 영상의 제 2-1 시점의 이미지 내에서, 제 1-2 시점의 제 1 객체의 위치 및 크기에 대응하는 객체의 위치 및 크기를 결정한 후, 결정된 객체의 위치 및 크기에 대응하는 줌 영역을 결정하는 것으로 예시하고 있지만 이에 제한되지 않는다. 예를 들어, 프로세서(120)는, 제 1 영상의 제 1-2 시점의 제 1 객체의 위치 및 크기에 기반하여 제 1 객체에 대한 줌 영역을 결정한 후, 결정된 제 1 객체에 대한 줌 영역에 대응하는 제 2 영상의 제 2-2 시점의 줌 영역을 결정할 수도 있다.
도 13은, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 흐름도(1300)이다.
도 14는, 다양한 실시예들에 따른, 제 1 영상을 이용하여 제 2 영상에 적용될 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하기 위한 예시도(1400)이다.
도 13 및 도 14를 참조하면, 동작 1301에서, 일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점(예: 제 2 영상의 현재 시점)에 대응하는 제 1 영상의 제 1-1 시점을 식별할 수 있다. 예를 들어, 도 14에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점(t3)에 대응하는 제 1 영상의 제 1-1 시점(t1)을 식별할 수 있다.
동작 1301의 제 2 영상의 제 2-1 시점에 대응하는 제 1 영상의 제 1-1 시점을 식별하는 동작은, 도 9의 동작 901 및 도 12의 동작 1201과 적어도 일부가 동일 또는 유사하므로 상세한 설명은 생략하기로 한다.
동작 1303에서, 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-1 시점 다음의 제 1-2 시점의 이미지에 포함된 제 1 객체의 위치 및 크기를 결정할 수 있다. 예를 들어, 도 14에서, 프로세서(120)는, 제 1-1 시점(t1)(예: 이미지(1411)가 획득된 시점)의 다음 시점으로서 제 1-2 시점(t2)의 이미지(1412)에 포함된 제 1 객체(1442)의 위치 및 크기를 결정할 수 있다.
동작 1305에서, 일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-2 시점에 대응하는 제 2 영상의 제 2-1 시점의 이미지 내에서, 제 1-2 시점의 제 1 객체의 위치 및 크기에 대응하는 객체의 위치 및 크기를 결정(예: 예측)할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상의 제 1-2 시점의 이미지(1412)에 포함된 제 1 객체(1442)의 위치 및 크기에 기반하여, 제 1 영상의 제 1-2 시점에 대응하는 제 2 영상의 제 2-2 시점(t4)의 이미지(1422) 내에 포함될 것으로 예측되는, 객체(1443)의 위치 및 크기를 결정할 수 있다. 프로세서(120)는, 제 2 영상의 제 2-1 시점(예: 현재 시점)에, 제 1-2 시점(t2) 및 제 1-2 시점(t1) 간 차이를 더함으로써, 제 2 영상의 제 2-2 시점(t4)을 결정할 수 있다.
동작 1107에서, 일 실시예에서, 프로세서(120)는, 제 2-1 시점의 제 2 객체의 위치 및 크기와, 결정된 객체의 위치 및 크기 간 차이에 기반하여, 줌 영역과 관련된 파라미터를 결정할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2 영상의 제 2-1 시점의 이미지(1421)에 포함된 제 2 객체(1441)의 위치 및 크기를 결정할 수 있다. 프로세서(120)는, 제 2 객체(1441)의 위치 및 객체(1443)의 위치 간 차이가 클수록, 줌 영역의 이동 속도가 크도록(예: 빠르도록) 줌 영역과 관련된 파라미터(예: 기본 파라미터)의 줌 영역의 이동 속도를 조정할 수 있다. 프로세서(120)는, 제 2 객체(1441)의 위치 및 객체(1443)의 위치 간 차이가 작을수록, 줌 영역의 이동 속도가 작도록(예: 느리도록) 줌 영역과 관련된 파라미터(예: 기본 파라미터)의 줌 영역의 이동 속도를 조정할 수 있다. 프로세서(120)는, 줌 영역과 관련된 파라미터(예: 기본 파라미터)의 줌 영역의 이동 속도 조정 시, 제 2 객체(1441)의 크기 및 객체(1443)의 크기를 고려할 수 있다.
동작 1309에서, 일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터에 기반하여, 제 2 영상으로부터 제 3 영상을 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2-1 시점(t3)부터 제 2-2 시점(t4)까지 획득될 이미지들에 대하여 동작 1307을 통하여 결정된 줌 영역과 관련된 파라미터를 적용할 수 있다.
일 실시예에서, 프로세서(120)는, 제 2-1 시점(t3)부터 제 2-2 시점(t4)까지 획득될 이미지들에 대하여, 기본 파라미터가 조정된 줌 영역과 관련된 파라미터를 적용함으로써, 제 2 영상으로부터 제 3 영상을 획득할 수 있다.
도 15는, 다양한 실시예들에 따른, 복수의 영상들 중에서 제 1 영상을 선택함으로써 제 1 영상을 획득하는 방법을 설명하는 흐름도(1500)이다.
도 15를 참조하면, 동작 1501에서, 일 실시예에서, 프로세서(120)는, 제 1 영상을 자동적(예: 지정된 방식으로)으로 선택하기 위한 입력이 수신되는지 여부를 식별할 수 있다. 제 1 영상을 자동적으로 선택하기 위한 입력은, 예를 들어, 제 1 영상을 자동으로 선택하기 위한 사용자 입력을 수신하는 유저 인터페이스(예: 체크박스)를 통한 입력 또는 제 1 영상을 자동으로 선택하기 위한 설정 정보(예: 플래그(flag)형태의 정보)를 포함할 수 있다. 예를 들어, 프로세서(120)는 촬영 시작 전에 카메라 어플리케이션에 포함된 유저 인터페이스를 통해 상기 사용자 입력을 수신하거나 미리 설정된 설정 정보를 통해 상기 사용자 정보를 수신할 수 있다.
동작 1503에서, 동작 1501에서 제 1 영상을 자동적으로 선택하기 위한 입력이 수신된 경우, 일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 획득된(예: 획득 중인) 영상을 분석할 수 있다.
일 실시예에서, 프로세서(120)는, 제 1 영상을 자동적으로 선택하기 위한 입력이 수신된 경우, 카메라 모듈(180)을 통하여 획득되는 복수의 이미지들에 기반하여, 디스플레이(예: 디스플레이 모듈(160))를 통하여 프리뷰(preview)를 표시할 수 있다. 일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 획득된 프리뷰의 배경 및/또는 화면의 구도를 분석할 수 있다. 일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 획득된 프리뷰에 포함된 적어도 하나의 객체를 분석할 수 있다.
동작 1505에서, 일 실시예에서, 프로세서(120)는, 메모리(130)에 저장된 복수의 영상들 중에서, 동작 1503을 통하여 분석된 영상에 대응하는 영상을 제 1 영상으로서 선택할 수 있다. 예를 들어, 프로세서(120)는, 메모리(130)에 저장된 복수의 영상들 각각에서, 시작 지점으로부터 지정된 시간 동안의 이미지들의 배경 및/또는 화면의 구도를 분석할 수 있다. 프로세서(120)는, 메모리(130)에 저장된 복수의 영상들 중에서, 동작 1503을 통하여 분석된 영상(예: 프리뷰)의 배경 및/또는 화면의 구도와 유사한 배경 및/또는 화면의 구도를 가지는 영상을 제 1 영상으로서 선택할 수 있다. 다른 예를 들어, 프로세서(120)는, 메모리(130)에 저장된 복수의 영상들 각각에서, 시작 지점으로부터 지정된 시간 동안의 이미지들에 포함된 객체를 분석할 수 있다. 프로세서(120)는, 메모리(130)에 저장된 복수의 영상들 중에서, 동작 1503을 통하여 분석된 영상(예: 프리뷰)의 객체와 유사한 객체를 포함하는 영상을 제 1 영상으로서 선택할 수 있다. 다만, 메모리(130)에 저장된 복수의 영상들 중에서 제 1 영상을 자동적으로 선택하는 방법은 전술한 예시들에 제한되지 않는다.
동작 1507에서, 동작 1501에서 제 1 영상을 자동적으로 선택하기 위한 입력이 수신되지 않은 경우, 일 실시예에서, 프로세서(120)는, 사용자 입력에 기반하여 복수의 영상들 중 하나의 영상을 제 1 영상으로 선택할 수 있다. 예를 들어, 프로세서(120)는, 복수의 영상들 중에서 하나의 영상을 선택하는 사용자 입력을 수신할 수 있다. 프로세서(120)는, 사용자 입력에 기반하여 선택된 영상을 제 1 영상으로서 결정할 수 있다.
도 16은, 다양한 실시예들에 따른, 프리뷰를 표시하는 동안, 피사체에 대응하는 객체에 대하여 줌 영역과 관련된 파라미터를 적용하는 방법을 설명하는 흐름도(1600)이다.
일 실시예에서, 도 16은 줌 영역과 관련된 파라미터(예: 기본 파라미터)를 획득한 후(예: 도 4의 동작 403 수행 후), 획득된 줌 영역과 관련된 파라미터를 프리뷰에 적용함으로써, 사용자가 원하는 줌 영역과 관련된 파라미터가 획득되었는지 사용자가 식별하도록 할 수 있는 방법과 관련될 수 있다.
도 16을 참조하면, 동작 1601에서, 일 실시예에서, 프로세서(120)는, 줌 영역과 관련된 파라미터(예: 기본 파라미터)를 결정할 수 있다.
동작 1603에서, 일 실시예에서, 프로세서(120)는, 카메라 모듈(180)을 통하여 획득된 복수의 이미지들에 기반하여 디스플레이(예: 디스플레이 모듈(160))를 통하여 프리뷰를 표시하는 동안, 줌 영역을 나타내는 인디케이션(indication)을 표시할 수 있다.
일 실시예에서, 프로세서(120)는, 프리뷰를 표시하는 동안, 객체가 검출되는 경우, 검출된 객체에 대하여 기본 파라미터를 적용할 수 있다. 프로세서(120)는, 검출된 객체에 대하여 기본 파라미터를 적용하는 동안, 객체에 대한 줌 영역의 경계(예: 줌 영역이 사각형 형태인 경우, 사각형의 4개의 선분들)를 나타내는 인디케이션을 표시할 수 있다.
일 실시예에서, 기본 파라미터가 적용된 프리뷰 내에서 줌 영역의 경계를 나타내는 인디케이션의 이동 및 크기 변화를 통하여, 사용자는, 사용자가 원하는 줌 영역과 관련된 파라미터가 획득되었는지 사용자가 식별할 수 있다. 일 실시예에서, 사용자가 원하는 줌 영역과 관련된 파라미터가 획득되지 않은 경우, 프로세서(120)는, 사용자 입력에 기반하여 줌 영역과 관련된 파라미터를 조정함으로써, 사용자가 원하는 줌 영역과 관련된 파라미터를 획득할 수 있다.
일 실시예에서, 프로세서(120)는, 전자 장치(101)의 상태에 기반하여 프리뷰 영상 및/또는 줌 영역을 나타내는 인디케이션의 표시를 다르게 설정할 수 있다. 예를 들어, 전자 장치(101)는 폴더블(foldable) 전자 장치 또는 익스텐더블(extendable)(또는, 롤러블(rollable), 슬라이더블(slidable)) 전자 장치일 수 있다. 예를 들어, 전자 장치(101)가 폴더블 전자 장치인 경우, 전자 장치(101)를 폴딩한 상태에서는 화면 표시 영역이 줄어들 수 있다. 프로세서(120)는 전자 장치(101)의 상태를 적어도 하나의 센서(예: 홀 센서)를 통해 감지하고, 전자 장치(101)가 폴딩된 경우, 프리뷰 영상의 크기를 화면 표시 영역의 크기에 기반하여 조정(예를 들어, 축소)할 수 있다. 프로세서(101)는 조정된 프리뷰 화면 위에 줌 영역을 나타내는 인디케이션을 표시할 수 있다. 또 다른 예를 들어, 프로세서(120)는 전자 장치(101)가 폴딩된 경우, 줌 영역에 기반하여 프리뷰 영상을 조정(예를 들어, 크롭)할 수 있다. 예를 들어, 프로세서(120)는 줌 영역 인디케이션이 프리뷰 영상에 최대로 포함되도록 프리뷰 영상을 조정할 수 있다. 예를 들어, 줌 영역 이외의 영역 중 상/하 또는 좌/우 중 지정된 크기의 여백(예: 10px)만이 프리뷰 영상에 포함되도록 조정할 수 있다. 이 때, 줌 영역은 표시 영역의 중앙 영역에 표시될 수 있다.
본 발명의 다양한 실시예들에 따른 전자 장치(101)에서 영상을 제공하는 방법은, 제 1 영상을 획득하는 동작, 상기 제 1 영상에서 제 1 객체를 식별하는 동작, 상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하는 동작, 상기 전자 장치(101)의 카메라 모듈(180)을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하는 동작, 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 영상을 획득하는 동작은, 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 상기 줌 영역을 결정하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 줌 영역과 관련된 파라미터는, 상기 줌 영역의 이동과 관련된 임계 값, 상기 줌 영역의 평균 이동 속도, 또는 상기 줌 영역의 패딩(padding) 영역 중 적어도 하나를 포함할 수 있다.
다양한 실시예에서, 상기 영상을 획득하는 동작은, 상기 패딩 영역에 기반하여 상기 줌 영역의 크기를 결정하는 동작, 및 상기 제 2 객체가 상기 임계 값 이상 이동 시, 상기 평균 이동 속도에 기반하여 상기 줌 영역을 이동시키는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 제 1 객체를 식별하는 동작은, 상기 제 1 영상 내에서, 상기 제 2 객체의 위치에 대응하는 위치에 위치하는 객체를 상기 제 1 객체로서 식별하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 제 1 객체를 식별하는 동작은, 상기 제 2 영상 내에서 상기 제 2 객체에 대응하는 제 1 시간을 식별하는 동작, 및 상기 식별된 제 1 시간에 기반하여, 상기 1 영상의 제 2 시간에 대응하는 상기 제 1 객체를 식별하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 제 1 객체를 식별하는 동작은, 상기 전자 장치(101)의 마이크(예: 입력 모듈(150))를 통하여, 오디오 신호를 획득하는 동작, 상기 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작, 및 상기 제 2 시간에 상기 제 1 영상에 포함된 객체를 상기 제 1 객체로서 식별하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작은, 상기 획득된 오디오 신호의 박자, 비트, 리듬 또는 템포 중 적어도 하나를 인식하는 동작, 및 상기 인식된 박자, 비트, 리듬 또는 템포 중 적어도 하나에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작은, 상기 획득된 오디오 신호에 포함된 음성 신호를 인식하는 동작, 및 상기 인식된 음성 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 제 1 영상에서 제 1 객체를 식별하는 동작은, 상기 제 1 영상이 복수의 객체들을 포함하는지 여부를 식별하는 동작, 및 상기 제 1 영상이 상기 복수의 객체들을 포함하는 경우, 상기 복수의 객체들 중에서, 상기 제 2 객체에 대응하는 상기 제 1 객체를 식별하는 동작을 더 포함할 수 있다.
다양한 실시예에서, 상기 영상을 획득하는 동작은, 상기 제 2 영상의 제 1 시점에 대응하는 상기 제 1 영상의 제 2 시점을 식별하는 동작, 상기 제 1 영상의 상기 제 2 시점 다음의 제 3 시점에 상기 제 1 영상에 포함된 상기 제 1 객체의 위치 및 크기를 결정하는 동작, 상기 결정된 제 1 객체의 위치 및 크기와 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 줌 영역의 위치 및 크기를 결정하는 동작, 및 상기 결정된 줌 영역의 위치 및 크기에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 영상을 획득하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 방법은, 상기 제 1 영상의 상기 제 2 시점을 기준으로 제 1 시간 이전의 시점부터 상기 제 2 시점을 기준으로 제 2 시간 이후의 시점까지의 시간 동안 획득되었던 상기 제 1 영상의 복수의 이미지들 각각에 포함된 상기 제 1 객체의 크기들을 결정하는 동작을 더 포함하고, 상기 줌 영역의 위치 및 크기를 결정하는 동작은, 상기 결정된 줌 영역의 위치 및 크기에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 영상을 획득하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 제 2 영상의 제 1 시점에 대응하는 상기 제 1 영상의 제 2 시점을 식별하는 동작은, 상기 제 2 객체의 위치 및 상기 제 1 객체의 위치, 또는 상기 전자 장치(101)의 마이크를 통하여 획득된 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호 중 적어도 하나에 기반하여, 상기 제 1 시점에 대응하는 상기 제 2 시점을 식별하는 동작을 포함할 수 있다.
다양한 실시예에서, 상기 방법은, 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 카메라 모듈(180)의 설정을 조정하는 동작, 및 상기 제 2 객체에 대한 영상을 획득하기 위하여, 상기 조정된 카메라 모듈(180)의 설정에 기반하여 상기 카메라 모듈(180)을 제어하는 동작을 포함할 수 있다.
또한, 상술한 본 발명의 실시예에서 사용된 데이터의 구조는 컴퓨터로 읽을 수 있는 기록매체에 여러 수단을 통하여 기록될 수 있다. 상기 컴퓨터로 읽을 수 있는 기록매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, CD-ROM, DVD 등)와 같은 저장매체를 포함한다.
컴퓨터에서 실행 가능한 프로그램들이 기록된 컴퓨터로 판독 가능한 기록 매체는, 전자 장치(101)에서, 제 1 영상을 획득하는 동작, 상기 제 1 영상에서 제 1 객체를 식별하는 동작, 상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하는 동작, 상기 전자 장치(101)의 카메라 모듈(180)을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하는 동작, 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하는 동작을 실행시키기 위한 프로그램을 기록할 수 있다.
이제까지 본 발명에 대하여 그 바람직한 실시예들을 중심으로 살펴보았다. 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
101, 102, 104: 전자 장치

Claims (28)

  1. 전자 장치에 있어서,
    카메라 모듈;
    상기 카메라 모듈과 기능적으로 연결된 프로세서; 및
    상기 프로세서와 기능적으로 연결된 메모리를 포함하고,
    상기 메모리는, 실행 시, 상기 프로세서가,
    제 1 영상을 획득하고,
    상기 제 1 영상에서 제 1 객체를 식별하고,
    상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하고,
    상기 카메라 모듈을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하고, 및
    상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하도록 하는 인스트럭션들(instructions)을 저장하는 전자 장치.
  2. 제 1 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 상기 줌 영역을 결정하도록 하는 전자 장치.
  3. 제 1 항에 있어서,
    상기 줌 영역과 관련된 파라미터는,
    상기 줌 영역의 이동과 관련된 임계 값, 상기 줌 영역의 평균 이동 속도, 또는 상기 줌 영역의 패딩(padding) 영역 중 적어도 하나를 포함하는 전자 장치.
  4. 제 3 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 패딩 영역에 기반하여 상기 줌 영역의 크기를 결정하고,
    상기 제 2 객체가 상기 임계 값 이상 이동 시, 상기 평균 이동 속도에 기반하여 상기 줌 영역을 이동시키도록 하는 전자 장치.
  5. 제 1 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제 1 영상 내에서, 상기 제 2 객체의 위치에 대응하는 위치에 위치하는 객체를 상기 제 1 객체로서 식별하도록 하는 전자 장치.
  6. 제 1 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제 2 영상 내에서 상기 제 2 객체에 대응하는 제 1 시간을 식별하고,
    상기 식별된 제 1 시간에 기반하여, 상기 1 영상의 제 2 시간에 대응하는 상기 제 1 객체를 식별하도록 하는 전자 장치.
  7. 제 6 항에 있어서,
    마이크를 더 포함하고,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 마이크를 통하여, 오디오 신호를 획득하고,
    상기 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하고,
    상기 제 2 시간에 상기 제 1 영상에 포함된 객체를 상기 제 1 객체로서 식별하도록 하는 전자 장치.
  8. 제 7 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 획득된 오디오 신호의 박자, 비트, 리듬 또는 템포 중 적어도 하나를 인식하고, 및
    상기 인식된 박자, 비트, 리듬 또는 템포 중 적어도 하나에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하도록 하는 전자 장치.
  9. 제 7 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 획득된 오디오 신호에 포함된 음성 신호를 인식하고, 및
    상기 인식된 음성 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하도록 하는 전자 장치.
  10. 제 1 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제 1 영상이 복수의 객체들을 포함하는지 여부를 식별하고,
    상기 제 1 영상이 상기 복수의 객체들을 포함하는 경우, 상기 복수의 객체들 중에서, 상기 제 2 객체에 대응하는 상기 제 1 객체를 식별하도록 하는 전자 장치.
  11. 제 1 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제 2 영상의 제 1 시점에 대응하는 상기 제 1 영상의 제 2 시점을 식별하고,
    상기 제 1 영상의 상기 제 2 시점 다음의 제 3 시점에 상기 제 1 영상에 포함된 상기 제 1 객체의 위치 및 크기를 결정하고,
    상기 결정된 제 1 객체의 위치 및 크기와 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 줌 영역의 위치 및 크기를 결정하고, 및
    상기 결정된 줌 영역의 위치 및 크기에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하도록 하는 전자 장치.
  12. 제 11 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제 1 영상의 상기 제 2 시점을 기준으로 제 1 시간 이전의 시점부터 상기 제 2 시점을 기준으로 제 2 시간 이후의 시점까지의 시간 동안 획득되었던 상기 제 1 영상의 복수의 이미지들 각각에 포함된 상기 제 1 객체의 크기들을 결정하고, 및
    상기 제 1 객체들의 크기들 및 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 줌 영역의 위치 및 크기를 결정하도록 하는 전자 장치.
  13. 제 11 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 제 2 객체의 위치 및 상기 제 1 객체의 위치, 또는 상기 전자 장치의 마이크를 통하여 획득된 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호 중 적어도 하나에 기반하여, 상기 제 1 시점에 대응하는 상기 제 2 시점을 식별하도록 하는 전자 장치.
  14. 제 1 항에 있어서,
    상기 인스트럭션들은, 상기 프로세서가,
    상기 줌 영역과 관련된 파라미터에 기반하여, 상기 카메라 모듈의 설정을 조정하고, 및
    상기 제 2 객체에 대한 영상을 획득하기 위하여, 상기 조정된 카메라 모듈의 설정에 기반하여 상기 카메라 모듈을 제어하도록 하는 전자 장치.
  15. 전자 장치에서 영상을 제공하는 방법에 있어서,
    제 1 영상을 획득하는 동작;
    상기 제 1 영상에서 제 1 객체를 식별하는 동작;
    상기 제 1 영상에서 상기 제 1 객체의 움직임에 기반하여, 줌 영역과 관련된 파라미터를 획득하는 동작;
    상기 전자 장치의 카메라 모듈을 통하여 획득되는 제 2 영상에 포함된 제 2 객체에 대응하는 상기 제 1 객체를 식별하는 동작; 및
    상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체에 대한 영상을 획득하는 동작을 포함하는 방법.
  16. 제 15 항에 있어서,
    상기 영상을 획득하는 동작은,
    상기 줌 영역과 관련된 파라미터에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 상기 줌 영역을 결정하는 동작을 포함하는 방법.
  17. 제 15 항에 있어서,
    상기 줌 영역과 관련된 파라미터는,
    상기 줌 영역의 이동과 관련된 임계 값, 상기 줌 영역의 평균 이동 속도, 또는 상기 줌 영역의 패딩(padding) 영역 중 적어도 하나를 포함하는 방법.
  18. 제 17 항에 있어서,
    상기 영상을 획득하는 동작은,
    상기 패딩 영역에 기반하여 상기 줌 영역의 크기를 결정하는 동작; 및
    상기 제 2 객체가 상기 임계 값 이상 이동 시, 상기 평균 이동 속도에 기반하여 상기 줌 영역을 이동시키는 동작을 포함하는 방법.
  19. 제 15 항에 있어서,
    상기 제 1 객체를 식별하는 동작은,
    상기 제 1 영상 내에서, 상기 제 2 객체의 위치에 대응하는 위치에 위치하는 객체를 상기 제 1 객체로서 식별하는 동작을 포함하는 방법.
  20. 제 15 항에 있어서,
    상기 제 1 객체를 식별하는 동작은,
    상기 제 2 영상 내에서 상기 제 2 객체에 대응하는 제 1 시간을 식별하는 동작; 및
    상기 식별된 제 1 시간에 기반하여, 상기 1 영상의 제 2 시간에 대응하는 상기 제 1 객체를 식별하는 동작을 포함하는 방법.
  21. 제 20 항에 있어서,
    상기 제 1 객체를 식별하는 동작은,
    상기 전자 장치의 마이크를 통하여, 오디오 신호를 획득하는 동작;
    상기 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작; 및
    상기 제 2 시간에 상기 제 1 영상에 포함된 객체를 상기 제 1 객체로서 식별하는 동작을 포함하는 방법.
  22. 제 21 항에 있어서,
    상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작은,
    상기 획득된 오디오 신호의 박자, 비트, 리듬 또는 템포 중 적어도 하나를 인식하는 동작; 및
    상기 인식된 박자, 비트, 리듬 또는 템포 중 적어도 하나에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작을 포함하는 방법.
  23. 제 21 항에 있어서,
    상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작은,
    상기 획득된 오디오 신호에 포함된 음성 신호를 인식하는 동작; 및
    상기 인식된 음성 신호에 기반하여, 상기 제 1 시간에 대응하는 상기 제 2 시간을 식별하는 동작을 포함하는 방법.
  24. 제 15 항에 있어서,
    상기 제 1 영상에서 제 1 객체를 식별하는 동작은,
    상기 제 1 영상이 복수의 객체들을 포함하는지 여부를 식별하는 동작; 및
    상기 제 1 영상이 상기 복수의 객체들을 포함하는 경우, 상기 복수의 객체들 중에서, 상기 제 2 객체에 대응하는 상기 제 1 객체를 식별하는 동작을 더 포함하는 방법.
  25. 제 15 항에 있어서,
    상기 영상을 획득하는 동작은,
    상기 제 2 영상의 제 1 시점에 대응하는 상기 제 1 영상의 제 2 시점을 식별하는 동작;
    상기 제 1 영상의 상기 제 2 시점 다음의 제 3 시점에 상기 제 1 영상에 포함된 상기 제 1 객체의 위치 및 크기를 결정하는 동작;
    상기 결정된 제 1 객체의 위치 및 크기와 상기 줌 영역과 관련된 파라미터에 기반하여, 상기 줌 영역의 위치 및 크기를 결정하는 동작; 및
    상기 결정된 줌 영역의 위치 및 크기에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 영상을 획득하는 동작을 포함하는 방법.
  26. 제 25 항에 있어서,
    상기 제 1 영상의 상기 제 2 시점을 기준으로 제 1 시간 이전의 시점부터 상기 제 2 시점을 기준으로 제 2 시간 이후의 시점까지의 시간 동안 획득되었던 상기 제 1 영상의 복수의 이미지들 각각에 포함된 상기 제 1 객체의 크기들을 결정하는 동작을 더 포함하고,
    상기 줌 영역의 위치 및 크기를 결정하는 동작은, 상기 결정된 줌 영역의 위치 및 크기에 기반하여, 상기 제 2 영상으로부터 상기 제 2 객체와 관련된 영상을 획득하는 동작을 포함하는 방법.
  27. 제 25 항에 있어서,
    상기 제 2 영상의 제 1 시점에 대응하는 상기 제 1 영상의 제 2 시점을 식별하는 동작은,
    상기 제 2 객체의 위치 및 상기 제 1 객체의 위치, 또는 상기 전자 장치의 마이크를 통하여 획득된 오디오 신호 및 상기 제 1 영상에 포함된 오디오 신호 중 적어도 하나에 기반하여, 상기 제 1 시점에 대응하는 상기 제 2 시점을 식별하는 동작을 포함하는 방법.
  28. 제 15 항에 있어서,
    상기 줌 영역과 관련된 파라미터에 기반하여, 상기 카메라 모듈(180)의 설정을 조정하는 동작; 및
    상기 제 2 객체에 대한 영상을 획득하기 위하여, 상기 조정된 카메라 모듈의 설정에 기반하여 상기 카메라 모듈을 제어하는 동작을 더 포함하는 방법.
KR1020200084532A 2020-07-09 2020-07-09 영상을 제공하는 방법 및 이를 지원하는 전자 장치 KR20220006753A (ko)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020200084532A KR20220006753A (ko) 2020-07-09 2020-07-09 영상을 제공하는 방법 및 이를 지원하는 전자 장치
PCT/KR2021/007513 WO2022010122A1 (ko) 2020-07-09 2021-06-15 영상을 제공하는 방법 및 이를 지원하는 전자 장치
CN202180048915.8A CN116235506A (zh) 2020-07-09 2021-06-15 用于提供图像的方法和支持该方法的电子装置
EP21838021.0A EP4171011A4 (en) 2020-07-09 2021-06-15 METHOD FOR PROVIDING AN IMAGE AND ELECTRONIC DEVICE ACCEPTING THE SAME
US18/094,665 US20230164442A1 (en) 2020-07-09 2023-01-09 Method for providing image and electronic device supporting same

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200084532A KR20220006753A (ko) 2020-07-09 2020-07-09 영상을 제공하는 방법 및 이를 지원하는 전자 장치

Publications (1)

Publication Number Publication Date
KR20220006753A true KR20220006753A (ko) 2022-01-18

Family

ID=79553483

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200084532A KR20220006753A (ko) 2020-07-09 2020-07-09 영상을 제공하는 방법 및 이를 지원하는 전자 장치

Country Status (5)

Country Link
US (1) US20230164442A1 (ko)
EP (1) EP4171011A4 (ko)
KR (1) KR20220006753A (ko)
CN (1) CN116235506A (ko)
WO (1) WO2022010122A1 (ko)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102480238B1 (ko) * 2022-03-22 2022-12-21 이충열 컴퓨팅 장치와 연동하는 촬영 장치로부터 획득되는 영상을 처리하는 방법 및 이를 이용한 시스템
WO2023182658A1 (ko) * 2022-03-22 2023-09-28 이충열 컴퓨팅 장치와 연동하는 촬영 장치로부터 획득되는 영상을 처리하는 방법 및 이를 이용한 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11631252B1 (en) * 2022-01-03 2023-04-18 Brian Lawrence Repper Visual media management for mobile devices

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101539043B1 (ko) * 2008-10-31 2015-07-24 삼성전자주식회사 인물 구도 제안 영상 촬영 장치 및 방법
KR20150118855A (ko) * 2014-04-15 2015-10-23 삼성전자주식회사 전자 장치 및 전자 장치의 레코딩 방법
JP6436760B2 (ja) * 2014-12-24 2018-12-12 キヤノン株式会社 ズーム制御装置、撮像装置、ズーム制御装置の制御方法、及びズーム制御装置の制御プログラム
US9781350B2 (en) * 2015-09-28 2017-10-03 Qualcomm Incorporated Systems and methods for performing automatic zoom
JP6735583B2 (ja) * 2016-03-17 2020-08-05 キヤノン株式会社 ズーム制御装置、撮像装置及びそれらの制御方法、プログラム並びに記憶媒体
US10950003B2 (en) * 2018-03-29 2021-03-16 Pelco, Inc. Method of aligning two separated cameras matching points in the view

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102480238B1 (ko) * 2022-03-22 2022-12-21 이충열 컴퓨팅 장치와 연동하는 촬영 장치로부터 획득되는 영상을 처리하는 방법 및 이를 이용한 시스템
WO2023182658A1 (ko) * 2022-03-22 2023-09-28 이충열 컴퓨팅 장치와 연동하는 촬영 장치로부터 획득되는 영상을 처리하는 방법 및 이를 이용한 시스템

Also Published As

Publication number Publication date
CN116235506A (zh) 2023-06-06
US20230164442A1 (en) 2023-05-25
WO2022010122A1 (ko) 2022-01-13
EP4171011A4 (en) 2023-11-29
EP4171011A1 (en) 2023-04-26

Similar Documents

Publication Publication Date Title
EP4171011A1 (en) Method for providing image and electronic device supporting same
US20230262321A1 (en) Electronic device and operating method thereof
KR20220017298A (ko) 프리뷰 이미지를 제어하는 전자 장치 및 방법
US20230262318A1 (en) Method for taking photograph by using plurality of cameras, and device therefor
KR20220066800A (ko) 플렉서블 디스플레이를 포함하는 전자 장치 및 그의 프리뷰 제어 방법
KR20220130481A (ko) 카메라 모듈의 화각을 이용하여 이미지를 촬영하는 전자 장치 및 방법
KR20220151932A (ko) 전자 장치 및 전자 장치의 동작 방법
KR20220099789A (ko) 카메라 모듈을 포함하는 전자 장치 및 그 전자 장치의 동작 방법
US20230215018A1 (en) Electronic device including camera and method for generating video recording of a moving object
US20230316453A1 (en) Electronic device including flexible display, and preview control method thereof
US20240080407A1 (en) Electronic device providing image and method of operating the same
KR20230106385A (ko) 카메라를 포함하는 전자 장치 및 움직이는 물체를 촬영하는 동영상 생성 방법
KR20220101998A (ko) 자동 초점 조절이 가능한 전자 장치 및 그 동작 방법
KR20220129885A (ko) 촬영 제어 방법 및 장치
KR20240051782A (ko) 카메라를 이용하여 영상을 획득하는 전자 장치 및 그 동작 방법
KR20220127967A (ko) 사용자 인터페이스를 제공하기 위한 방법, 장치 및 저장 매체
KR20240079123A (ko) 이미지의 뷰 영역을 결정하는 전자 장치 및 그 동작 방법
KR20240056374A (ko) 다중 노출 영상을 획득하는 전자 장치 및 그 동작 방법
KR20240057293A (ko) 이미지를 제공하는 방법 및 이를 지원하는 전자 장치
KR20240068029A (ko) 기계 학습 모델을 이용하여 영상을 획득하는 전자 장치 및 그 동작 방법
KR20220017109A (ko) 이미지를 생성하는 전자 장치 및 방법
KR20230060304A (ko) 복수의 렌즈들을 구비하는 전자 장치 및 그 제어 방법
KR20240022953A (ko) 이미지를 제공하는 방법 및 이를 지원하는 전자 장치
KR20220090158A (ko) 관심 객체를 이용하여 비디오를 편집하는 전자 장치 및 그 동작 방법
KR20220126084A (ko) 전자 장치의 촬영 방법 및 그 전자 장치